AI Agentic Data Entry & RAG - Portofolio DeAgus

Proyek Aktif • Sedang Berjalan (On-going)

Ringkasan Proyek

AI Agentic Data Entry & RAG System adalah platform otomatisasi terintegrasi yang saat ini sedang aktif dikembangkan untuk mempercepat pengolahan dokumen administratif, ekstraksi data terstruktur, dan layanan konsultasi laporan berbasis kecerdasan buatan.

Sebagai perancang arsitektur sistem, saya mengintegrasikan orkestrasi agen multi-jalur dengan LangGraph, basis data terdistribusi TiDB Vector Search, mekanisme efisiensi kueri, hingga perancangan dasbor monitoring telemetri dan estimasi biaya operasional berbasis Rupiah.

Linimasa

2026 - Sekarang

Tipe Proyek

Enterprise AI Solution

Technical System Analyst & AI Architect Tahap Penyempurnaan Fitur

In Development

Arsitektur Sistem AI

Integrasi TiDB, LangGraph, LangChain, dan Streamlit

Fitur Utama Sistem

Kemampuan inti sistem yang dirancang untuk mempercepat pengolahan data dokumen dan konsultasi informasi

Otomatisasi Data Entry

Mengekstrak data dari berbagai format berkas laporan administratif menjadi struktur data tabular Excel secara terstruktur, rapi, dan tervalidasi tanpa input manual.

Asisten Tanya Jawab (RAG)

Layanan dialog interaktif berbasis Retrieval-Augmented Generation yang memungkinkan pengguna mengajukan pertanyaan analitis seputar data laporan dan memperoleh jawaban faktual.

Dasbor Monitoring & Biaya

Panel analitik terpadu untuk memantau status pemrosesan dokumen, performa ekstraksi AI, riwayat konsumsi token, serta estimasi biaya operasional dalam mata uang Rupiah.

Struktur Modul Sistem

Komponen modular yang bekerja secara sinergis dalam arsitektur terisolasi

Pemrosesan Dokumen & Perutean Cerdas

INGESTION Document-to-Excel Engine

Jalur ekstraksi langsung yang mengubah dokumen masukan menjadi berkas Excel terstruktur dengan mem-bypass basis data vektor untuk efisiensi kecepatan.

ROUTER Classification & Routing (LangGraph)

Mengklasifikasikan intensi masukan pengguna secara otomatis untuk diarahkan ke alur unggah berkas atau alur dialog interaktif.

Basis Pengetahuan & Efisiensi Respon

VECTOR SEARCH TiDB Vector Database

Penyimpanan basis data terdistribusi untuk menyimpan embedding pengetahuan dokumen laporan dan mendukung pencarian semantik berkecepatan tinggi.

OPTIMIZER Semantic Cache Gatekeeper

Lapisan optimasi yang mendeteksi kueri berulang untuk memberikan respon cepat tanpa membebani model AI, dilengkapi penjaga validasi entitas data.

Implementasi Teknis

Arsitektur rekayasa sistem terintegrasi dari antarmuka hingga basis data

Siklus Alur Kerja Sistem

Perancangan terpadu untuk memastikan kecepatan proses, keakuratan data, dan skalabilitas sistem:

1

Antarmuka Pengguna & Input Dokumen

Aplikasi Streamlit memfasilitasi pengguna mengunggah dokumen administratif dan memberikan kueri tanya-jawab interaktif.

2

Perutean Agen & Klasifikasi Tugas

LangGraph memisahkan secara cerdas apakah masukan berupa tugas konversi berkas tabular atau eksplorasi informasi dokumen.

3

Pipeline RAG & Knowledge Retrieval

Pencarian informasi kontekstual dari dokumen yang telah terindeks pada TiDB Vector Database menggunakan embedding model.

4

Optimasi Respon & Cache Cerdas

Mekanisme cache semantik memvalidasi kueri untuk mengembalikan jawaban tersimpan dengan cepat tanpa komputasi ulang.

5

Pencatatan Telemetri Transaksional

Penyimpanan log pemakaian token dan status pemrosesan secara transaksional ke database relasional untuk keperluan audit dan monitoring.

Tumpukan Teknologi

TiDB

Database relasional & Vector Search untuk penyimpanan data transaksional dan basis pengetahuan

LangGraph & Chain

Framework orkestrasi perutean alur kerja agen dan pemrosesan RAG

Streamlit

Antarmuka interaktif pengguna serta panel visualisasi analitik terpadu

Docker

Kontainerisasi menyeluruh untuk kemudahan deployment dan konsistensi lingkungan produksi