Agentic AI Suite & Knowledge Base RAG

Pencarian semantik pgvector 768-dimensi & bot otomatis dengan Smart Human Handoff

Daftar Dokumen RAG Terindeks (PostgreSQL pgvector)

Model: text-embedding-004 (768-dim)
Nama DokumenFormatJumlah Chunk VektorEstimasi TokenStatus IndeksTerakhir Diperbarui
SOP & FAQ Subsidi Ongkir Seluruh Jawa Timur.pdfpdf8 Chunks~1420 TokensREADY & INDEXED05 Nov 2026
Katalog Produk & Size Chart Kemeja Linen 2026.pdfpdf12 Chunks~2850 TokensREADY & INDEXED04 Nov 2026
Kebijakan Garansi & Prosedur Retur Barang Cacat.txtplain5 Chunks~980 TokensREADY & INDEXED02 Nov 2026
Bagaimana RAG Bekerja di OMNIKLIK: Dokumen toko yang Anda unggah otomatis dipotong menjadi potongan teks 400 karakter dengan overlap 50 karakter. Setiap potongan dihitung nilai vektor matematisnya dan disimpan ke tabel knowledge_chunks dengan indeks HNSW. Saat ada pertanyaan pelanggan masuk, sistem mencari potongan yang paling relevan dalam waktu < 25ms.