Full Stack Developer & AI Engineer Intern
Mengembangkan Sistem Manajemen Dokumen berbasis AI memanfaatkan Retrieval-Augmented Generation (RAG) untuk memfasilitasi pencarian cerdas dan temu kembali informasi secara otomatis dari berbagai dokumen korporat.
- Membangun backend performa tinggi dengan FastAPI (Python) untuk menjalankan pipeline RAG dan mengintegrasikan model bahasa lokal (LLM) melalui Ollama secara aman.
- Merancang dan mengembangkan antarmuka pengguna yang responsif menggunakan Next.js untuk pengalaman penelusuran dan manajemen dokumen yang mulus.
- Menggunakan Express.js untuk orkestrasi siklus hidup request API dan mengoptimalkan jembatan pertukaran data antara frontend dan pipeline inferensi backend.
- Mengimplementasikan chunking dokumen semantik, embedding vektor, serta evaluasi kualitas retrieval guna meminimalkan halusinasi LLM.
- Memangkas latensi retrieval dokumen secara signifikan melalui optimasi strategi chunking dan pencarian vektor asinkron.
- Membangun pelacakan sitasi (citation tracking) pada pipeline RAG sehingga setiap jawaban AI mencantumkan halaman dokumen sumber secara transparan.
- Menyadari bahwa 80% kualitas jawaban RAG ditentukan oleh presisi pemrosesan dokumen dan efektivitas retrieval, bukan semata-mata ukuran model LLM.
- Memperoleh pengalaman mendalam dalam mengelola batasan memori (VRAM/RAM) pada inferensi LLM lokal dan penanganan respons streaming.