RAG Engine (Retrieval-Augmented Generation)

Luxima menggunakan arsitektur RAG untuk memberikan AI (termasuk fitur chat assistant dan MCP Server) kemampuan untuk menjawab pertanyaan dengan konteks dokumen dan layanan nyata milik Luxima.

Alur Kerja

1. Ingestion: Data publik dari dokumentasi, artikel blog, portofolio, dan layanan fotografi diindeks menggunakan embedding model.
2. Vector Storage: Embeddings disimpan dalam basis data vektor (seperti Pinecone/Qdrant atau ekstensi pgvector pada PostgreSQL).
3. Retrieval: Ketika agen AI atau LLM membutuhkan konteks, sistem mengonversi teks kueri pengguna menjadi embedding, lalu mencari dokumen dengan kemiripan tertinggi.

Kebijakan Data & Privasi

Sistem RAG kami dirancang dari awal untuk mematuhi kebijakan perlindungan data (termasuk regulasi kepatuhan internal Luxima):

Penyaringan Data Sensitif (Private Data Filtering)

Tidak semua entitas diizinkan masuk ke basis data RAG atau dapat di-query oleh MCP Server.

• Saat data diambil (baik pada fase ingestion maupun retrieval API), kami menerapkan filter tegas pada lapisan ORM/Database: where: { private: false }.
• Entitas (misal: kontrak rahasia, data vendor tertentu, profil pelanggan internal) yang berstatus privat tidak akan pernah dikembalikan kepada model LLM.

Integrasi Lintas Domain

Data RAG dikumpulkan secara lintas platform dari:

• admin.luxima.id (kecuali data privat)
• api.luxima.id (skema dan dokumentasi)
• app.luxima.id (metadata aplikasi)
• blog.luxima.id (konten pemasaran dan edukasi)
• Subdomain terkait AWEDZ.

Dengan cara ini, AI asisten Luxima memiliki basis pengetahuan terlengkap dan terkini untuk menjawab secara presisi, namun tetap menjaga isolasi data privat.