Obsidian RAG Karpathy + Claude Code = CHEAT CODE

CChase AI
컴퓨터/소프트웨어창업/스타트업경영/리더십AI/미래기술

Transcript

00:00:00Andrey Karpathy baru saja memberikan kuncinya
00:00:02untuk sistem Obsidian RAG pribadinya.
00:00:06Dan saya menyebut RAG dengan tanda kutip
00:00:07karena basis pengetahuan bertenaga Obsidian ini
00:00:10tidak memiliki basis data vektor, tidak ada embedding
00:00:12dan tidak ada proses pengambilan yang rumit.
00:00:15Namun, sistem ini memecahkan masalah yang sama
00:00:17yang diklaim dapat diatasi oleh struktur RAG yang lebih rumit,
00:00:21yaitu memungkinkan model bahasa besar kita
00:00:23menangani dokumen dalam jumlah besar dan menjawab pertanyaan
00:00:27serta mengumpulkan informasi akurat tentang dokumen tersebut.
00:00:30Dan bagian terbaik dari sistem bertenaga Obsidian ini
00:00:32adalah sangat ringan, pada dasarnya gratis
00:00:36dan merupakan jalan tengah yang sempurna
00:00:38bagi operator solo atau tim kecil.
00:00:41Jadi hari ini saya akan menunjukkan kepada Anda
00:00:42cara kerja sistem pengetahuan Obsidian Karpathy,
00:00:45cara mengaturnya sendiri
00:00:46dan perbedaannya dengan sistem RAG tradisional
00:00:50sehingga Anda tahu apakah ini pilihan yang tepat untuk Anda.
00:00:52Proses pembuatan sistem pengetahuan
00:00:54bertenaga Obsidian ini dijabarkan kemarin
00:00:58dalam postingan Twitter yang cukup komprehensif oleh Andre Karpathy.
00:01:02Kini poin utama dari postingan ini
00:01:04adalah kita dapat membuat
00:01:05basis pengetahuan model bahasa besar
00:01:07yang pada dasarnya bekerja dengan cara yang sama
00:01:09seperti Light RAG atau RAG apa pun
00:01:12atau sistem Graph RAG lainnya dengan Obsidian.
00:01:17Dan kita bisa melakukannya dengan cara yang cukup sederhana
00:01:20hanya dengan struktur sistem file yang cerdas
00:01:23dan cara kita memasukkan data.
00:01:25Hasil akhirnya adalah saya bisa memasukkan
00:01:28data dan dokumen dalam jumlah yang cukup banyak
00:01:32ke dalam vault Obsidian saya dan menggunakan Claude Code
00:01:35untuk mengajukan pertanyaan tentang hal itu,
00:01:36untuk menemukan hubungan antara berbagai hal,
00:01:38alias hal yang persis sama dengan yang Anda lakukan
00:01:41dengan sistem RAG tradisional,
00:01:43tetapi tanpa beban kerja berlebih dan pengaturan yang jauh lebih sederhana.
00:01:46Dan seperti yang Andre jelaskan, pengaturannya kira-kira seperti ini.
00:01:49Pertama, kita melakukan pengumpulan data.
00:01:51Kita memasukkan artikel,
00:01:52kita memasukkan karya ilmiah,
00:01:53kita memasukkan repositori dari internet atau dari mana saja,
00:01:57dan kita memasukkannya ke direktori "raw"
00:02:00di dalam vault Obsidian kita.
00:02:02Ini pada dasarnya adalah area penampungan
00:02:03sebelum diubah menjadi Wiki.
00:02:05Kita sebagai manusia dalam interaksi ini
00:02:07dapat melihat semua ini terjadi melalui Obsidian.
00:02:10Obsidian, untuk segala keperluan, adalah antarmuka kita.
00:02:13Di sinilah saya bisa melihat bagaimana semua dokumen disusun.
00:02:15Di sinilah saya bisa membaca semua Wiki.
00:02:17Jadi ini tidak tersembunyi dalam kotak hitam,
00:02:20seperti halnya sistem RAG.
00:02:21Sangat sulit, bahkan dalam pengaturan Graph RAG seperti Light RAG,
00:02:25untuk benar-benar masuk ke dalamnya dan melihat semuanya.
00:02:29Maksud saya, saya bisa melakukannya, tetapi meski terlihat keren,
00:02:31ini tidak terlalu efisien.
00:02:33Dan dari sana, Anda cukup melakukan tanya jawab
00:02:35melalui sesuatu seperti Claude Code.
00:02:37Dan seperti yang Andre jelaskan di sini,
00:02:38ia mengira harus menggunakan
00:02:40sesuatu seperti RAG,
00:02:42tetapi model bahasa besar ternyata cukup mahir
00:02:43dalam mengelola file indeks secara otomatis
00:02:45dan ringkasan singkat dari semua dokumen yang dibacanya.
00:02:47Dan ini adalah sesuatu yang bisa kita lakukan juga
00:02:49dengan file Claude.md yang cukup sederhana,
00:02:52yang akan saya berikan kepada Anda.
00:02:53Dan Anda akan dapat menemukan Claude.md itu,
00:02:55serta panduan tertulis
00:02:56yang dilengkapi dengan sekumpulan perintah
00:02:57di dalam komunitas Chase AI saya yang gratis.
00:03:00Akan ada tautannya
00:03:01di deskripsi video ini.
00:03:03Dan berbicara tentang Chase AI, dan Anda pasti sudah menduga ini,
00:03:06promosi singkat untuk kelas master Claude Code saya.
00:03:08Baru saja merilisnya beberapa minggu yang lalu,
00:03:09dan ini adalah tempat nomor satu untuk belajar menjadi AI dev,
00:03:12terutama jika Anda tidak berasal dari latar belakang teknis.
00:03:15Anda dapat menemukan tautannya di komentar yang disematkan.
00:03:18Jadi pastikan untuk memeriksanya
00:03:19jika Anda serius ingin mempelajari alat ini.
00:03:22Sekarang, sebelum kita masuk ke rincian
00:03:24cara mengatur sistem Obsidian ini sendiri,
00:03:28mari kita bahas struktur file yang sebenarnya
00:03:30karena ini penting untuk memahami
00:03:32bagaimana data masuk ke vault kita
00:03:34dan kemudian diubah menjadi Wiki.
00:03:36Jadi vault Obsidian adalah tempat semuanya berada.
00:03:39Seperti yang akan Anda lihat, jika belum pernah menggunakannya,
00:03:41saat Anda mengunduh Obsidian,
00:03:42Anda akan menetapkan folder tertentu sebagai vault.
00:03:45Dalam kasus saya, foldernya benar-benar bernama "the vault".
00:03:48Di situlah semua hal di Obsidian disimpan.
00:03:50Sebagai subfolder dari vault,
00:03:52kita akan memiliki folder "raw".
00:03:54Folder raw adalah tempat semua riset kita dikumpulkan.
00:03:58Apa pun yang ingin kita sertakan secara manual dalam Wiki dimasukkan ke sana.
00:04:01Ini pada dasarnya adalah folder pementasan.
00:04:02Jadi di sinilah semua data mentah akan disimpan.
00:04:05Ini bisa berupa file Markdown.
00:04:06Ini bisa berupa PDF.
00:04:07Dan saya akan menunjukkan cara menggunakan Obsidian Clipper
00:04:10untuk mengubah halaman web apa pun menjadi file Markdown
00:04:14yang dikirim ke folder raw secara otomatis.
00:04:16Kita akan memiliki subfolder lainnya
00:04:18yaitu folder Wiki.
00:04:19Jadi apa yang akan dilakukan oleh model bahasa besar,
00:04:21yang akan dilakukan Claude Code untuk kita, adalah sesuai permintaan,
00:04:24atau Anda bahkan bisa menjadikannya keahlian atau otomatis,
00:04:27adalah kita akan mengarahkannya ke folder raw dan berkata,
00:04:29"Hei, saya ingin Anda membuat Wiki tentang subjek apa pun
00:04:33yang telah Anda kumpulkan informasinya."
00:04:35Dari sana, ia kemudian akan membuat Wiki tentang hal itu.
00:04:37Jadi Anda bisa melihat kita punya tiga Wiki berbeda di sini,
00:04:41satu untuk agen AI, satu untuk sistem RAG,
00:04:43dan satu untuk pembuatan konten.
00:04:45Nah, di antara folder Wiki dan subfolder Wiki ini
00:04:50adalah Markdown indeks master.
00:04:53Ini pada dasarnya hanyalah daftar
00:04:54dari semua Wiki berbeda yang telah dibuat.
00:04:58Karena idenya adalah ketika Anda, ini adalah Anda,
00:05:02ketika Anda berbicara dengan Claude Code, baiklah,
00:05:04itu Claude Code di sana, dan berkata,
00:05:06"Hei, saya ingin belajar lebih lanjut tentang agen AI.
00:05:08Dapatkah Anda bertanya, saya ingin bertanya tentang Wiki saya."
00:05:12Nah, apa yang akan dilakukannya?
00:05:13Ia akan pergi ke vault
00:05:15karena Anda mungkin sudah berada di sana.
00:05:17Ia kemudian akan pergi ke folder Wiki.
00:05:18Ia akan pergi ke folder indeks master dan berkata,
00:05:21"Hei, Wiki apa yang sudah kita buat?
00:05:23Oh, dia ingin tahu tentang sistem RAG."
00:05:26Oke, ia akan turun ke RAG.
00:05:28Dan folder Wiki itu sendiri memiliki file indeks
00:05:31yang merinci semua konten tambahan.
00:05:33Jadi apa yang diberikan Obsidian kepada kita
00:05:35dan apa yang diberikan struktur file ini kepada kita
00:05:36adalah jalur yang sangat jelas untuk menemukan informasi,
00:05:39bahkan jika kita memiliki sangat banyak informasi.
00:05:41Dan ini membantu Claude Code
00:05:42karena ia tidak akan mengalami banyak masalah
00:05:45saat mencari datanya.
00:05:46Kita tidak akan menjalankan jutaan panggilan alat
00:05:48hanya untuk melihat apa yang ada di struktur file kita.
00:05:50Tetapi ini juga membantu Anda karena sangat jelas ke mana harus pergi.
00:05:52Sebagai contoh, di sebelah kiri ini adalah folder Obsidian saya.
00:05:56Saya berada di UI Obsidian,
00:05:57dan kita akan membahas pengunduhannya sebentar lagi.
00:05:59Tetapi jika saya ingin melihat sebuah Wiki, apa yang saya lakukan?
00:06:01Saya cukup pergi ke Wiki.
00:06:03Saya punya indeks master
00:06:04yang mencantumkan semua yang ada di sana.
00:06:06Saat ini baru ada tiga hal.
00:06:07Tetapi jika ada 3.000, itu tetap tidak akan terlalu sulit.
00:06:10Dan dari sana, Anda tahu, saya bisa mengekliknya.
00:06:12Ini membawa saya ke indeks Wiki spesifik tersebut.
00:06:16Lalu saya bisa melihat berbagai hal di dalamnya.
00:06:18Sederhana sekali.
00:06:19Dan ini juga sederhana bagi AI,
00:06:21itulah sebabnya kita bisa menggunakan
00:06:22pada dasarnya hanya struktur file Markdown
00:06:24untuk meniru sistem RAG.
00:06:27Meskipun teori itu keren,
00:06:28sekarang mari kita bahas cara mengaturnya sendiri.
00:06:31Pertama-tama, Anda perlu mengunduh Obsidian.
00:06:33Buka saja obsidian.md, klik Download Now,
00:06:37ikuti petunjuk instalasinya.
00:06:38Ini sepenuhnya gratis.
00:06:40Dan Anda akan menetapkan suatu folder sebagai vault.
00:06:43Buat saja satu, beri nama "the vault".
00:06:45Ini memudahkan saya, dan mungkin akan berhasil untuk Anda.
00:06:47Setelah kita membuat vault,
00:06:49sekarang kita perlu mengatur struktur file ini di dalamnya.
00:06:52Cara termudah untuk melakukannya adalah dengan Claude Code.
00:06:54Cukup buka Claude Code di dalam vault.
00:06:57Jadi itulah direktori tempat saya berada.
00:06:59Dan Anda akan memberikan perintah
00:07:01yang memintanya untuk membuat struktur file ini.
00:07:03Beruntung bagi Anda, saya sudah membuat perintahnya.
00:07:05Jadi Anda tinggal menyalin ini dan menempelkannya ke Claude Code.
00:07:08Nah, jika Anda seperti saya dan sudah menggunakan Obsidian
00:07:10untuk beberapa waktu, Anda mungkin sudah memiliki banyak folder
00:07:13di dalamnya.
00:07:14Jadi mungkin Anda tidak ingin menamainya "raw".
00:07:17Mungkin Anda ingin menamainya dengan hal lain.
00:07:18Poin utamanya adalah Anda hanya perlu menetapkan
00:07:20suatu folder sebagai, seperti yang saya katakan, semacam area penampungan
00:07:23atau area pementasan untuk tempat semua informasi ini
00:07:25akan dikumpulkan sampai diubah menjadi Wiki.
00:07:27Jadi sesuaikan seperlunya.
00:07:28Sekarang, hal berikutnya yang ingin kita lakukan adalah membuat file Claude.md.
00:07:31Proyek jenis asisten pribadi, hal-hal seperti ini
00:07:33yang sangat berat di Markdown, sangat cocok untuk Claude.md.
00:07:37Dan file Claude.md ini menguraikan
00:07:40aturan basis pengetahuan,
00:07:41serta cara untuk menelusurinya.
00:07:43Jadi sekali lagi, agar kita tidak membuang-buang token
00:07:44saat kita mengajukan pertanyaan.
00:07:46Sekali lagi, saya memiliki seluruh templat prompt Claude.md
00:07:50yang bisa Anda gunakan.
00:07:50File Claude.md ini juga memberitahu Claude
00:07:53bagaimana menyusun file Markdown ini.
00:07:55Sehingga sangat mudah untuk menelusuri file
00:07:58dengan format tautan Wiki ini.
00:08:00Sekarang mari kita bicara tentang bagaimana kita bisa memasukkan sesuatu
00:08:02ke dalam folder raw ini.
00:08:03Bagaimana kita bisa memasukkan data ke sistem kita sejak awal.
00:08:06Nah, cara yang sangat mudah untuk melakukan ini
00:08:08adalah dengan Obsidian Web Clipper.
00:08:10Jadi saya akan menaruh tautannya di sekolah,
00:08:13atau Anda bisa mengunjungi obsidian.md/clipper.
00:08:16Dan ini hanyalah sebuah ekstensi Chrome,
00:08:18yang memudahkan untuk mengubah halaman web menjadi data,
00:08:22menjadi file Markdown.
00:08:23Nah, satu masalah dengan Web Clipper ini
00:08:25adalah ia akan kesulitan dengan gambar.
00:08:26Ia bahkan tidak akan memasukkannya sama sekali.
00:08:27Ia hanya akan menampilkannya sebagai tautan.
00:08:29Tetapi saya ingin bisa melihat gambar dari dokumen
00:08:31yang saya masukkan di dalam Obsidian.
00:08:33Jadi apa yang kita lakukan?
00:08:34Nah, kita akan menggunakan keahlian komunitas Obsidian
00:08:37atau plugin komunitas Obsidian untuk membantu hal ini.
00:08:39Salah satu hal keren tentang Obsidian
00:08:41adalah plugin komunitasnya.
00:08:42Ada ribuan jumlahnya.
00:08:43Jadi jika Anda berada di dalam Obsidian,
00:08:46saya sedang berada di aplikasi desktop sekarang.
00:08:47Jika saya ke bawah sini dan mengeklik ikon roda gigi,
00:08:50saya akan pergi ke plugin komunitas.
00:08:52Saya akan pergi ke bagian telusuri.
00:08:54Lalu Anda cari "local images plus".
00:08:56Anda unduh, instal, dan aktifkan.
00:09:00Pastikan itu sudah diaktifkan.
00:09:01Anda bisa memastikannya sudah aktif
00:09:03dengan membuka tab plugin komunitas Anda
00:09:05dan melihat tab kecil ini sudah menyala.
00:09:08Sekarang, jika kita menggunakan Obsidian Web Clipper,
00:09:11dan saya bisa melihatnya di sini sebagai ekstensi,
00:09:13Anda bisa melihat apa yang terjadi.
00:09:15Ia segera menarik semuanya.
00:09:17Dan jika saya mengeklik tambahkan ke Obsidian,
00:09:19saya bisa melihat seluruh artikel ini, termasuk gambarnya.
00:09:21Sekarang ada satu hal yang perlu kita atur
00:09:24di dalam web clipper,
00:09:25yaitu memastikan ia benar-benar menariknya
00:09:26ke dalam folder raw secara otomatis.
00:09:29Saya tidak ingin melakukannya secara manual.
00:09:30Anda cukup pergi ke opsi pada web clipper Anda.
00:09:34Saya baru saja mengeklik kanan.
00:09:35Lalu di sini di sebelah kiri, di bagian default,
00:09:38saya membuat templat baru sendiri,
00:09:39tapi Anda bisa tetap menggunakan yang default jika mau,
00:09:42di bagian lokasi dan lokasi catatan tepat di sini.
00:09:47Anda perlu mengubahnya dari clippings menjadi raw.
00:09:52Dan itu akan memastikan saat Anda menggunakan web clipper,
00:09:54ia secara otomatis masuk ke folder raw.
00:09:56Jadi sekarang dengan ekstensi Obsidian Web Clipper
00:09:59dan plugin komunitas gambar,
00:10:01kita sekarang bisa mengubah halaman web mana pun di internet
00:10:04menjadi file markdown yang akan digunakan untuk Wiki kita.
00:10:08Tapi itu hanyalah satu jalur data.
00:10:10Itu adalah cara manual.
00:10:11Kita bisa meminta kode Claude melakukan banyak pekerjaan berat juga.
00:10:14Katakanlah saya mencoba membuat Wiki
00:10:16tentang keterampilan kode Claude.
00:10:17Jadi saya memberi tahu kode Claude,
00:10:18mari kita buat Wiki tentang keterampilan kode Claude.
00:10:20Saya sudah menyertakan beberapa info di folder raw,
00:10:23apa yang kita tarik melalui web clipper.
00:10:25Lakukan risetmu sendiri dan masukkan file
00:10:27raw MD yang relevan untuk menghasilkan Wiki tersebut.
00:10:29Jadi apa yang akan dilakukannya?
00:10:30Ia akan menjelajahi internet, menggunakan pencarian web standar,
00:10:32dan ia akan membuat Wiki sendiri tentang
00:10:36keterampilan kode Claude.
00:10:37Jadi apa yang Anda lihat adalah bahwa folder raw ini,
00:10:40seluruh alur raw ini, lebih diperuntukkan bagi Anda.
00:10:42Itu untuk saat Anda ingin memasukkan informasi secara manual.
00:10:44Sekarang Anda bisa meminta kode Claude melakukannya juga,
00:10:46tetapi kode Claude juga cukup pintar untuk mengambil
00:10:49hasil risetnya sendiri,
00:10:50mencari tahu apa yang relevan dan langsung membuat Wiki
00:10:53secara langsung. Folder raw ini benar-benar untuk Anda,
00:10:55sebagai manusia agar memiliki tingkat organisasi tertentu.
00:10:58Dan inilah hasil yang diberikan kode Claude.
00:10:59Ia membuat Wiki keterampilan kode Claude.
00:11:02Kita lihat di sini di indeks utama bahwa itu dirujuk di sini.
00:11:05Jika saya mengekliknya,
00:11:07ini kemudian membawa kita ke indeks keterampilan kode Claude.
00:11:10Dan saat ini ia memiliki empat artikel.
00:11:12Jadi inilah artikel ringkasan keterampilan.
00:11:15Anda bisa melihatnya menautkan ke situs web dan juga menautkan ke
00:11:18artikel yang berbeda di dalam vault Obsidian kita.
00:11:21Jadi jika saya mengeklik ekosistem keterampilan, ada lebih banyak hal di sini.
00:11:25Saya klik pada keterampilan teratas, ya? Begitu seterusnya.
00:11:27Ada jalur yang sangat jelas dari satu artikel ke artikel lainnya dan
00:11:30bagaimana hal-hal ini berkaitan,
00:11:32yang berarti saat Anda mengajukan pertanyaan pada kode Claude tentang
00:11:34artikel dan subjek ini,
00:11:35mudah dan murah baginya untuk menjawab pertanyaan tentang itu,
00:11:39yang kemudian membawa kita ke pertanyaan yang sudah jelas.
00:11:41Apakah kita butuh RAG sama sekali? Anda tahu,
00:11:43kita melihat sesuatu seperti pengaturan light RAG ini.
00:11:45Anda menonton beberapa video terakhir saya tentang light RAG dan RAG,
00:11:48apa pun itu, dan melihat betapa sederhananya pengaturan dengan obsidian,
00:11:51Anda mungkin berpikir, nah,
00:11:52mengapa saya harus repot dengan pengaturan yang lebih rumit
00:11:55ini sama sekali?
00:11:56Dan kenyataannya adalah jika Anda pengembang solo,
00:11:59operator solo, atau tim kecil yang tidak menangani
00:12:02ribuan dokumen,
00:12:04jawabannya mungkin adalah obsidian lebih masuk akal bagi Anda.
00:12:08Ini ringan dan Anda benar-benar tidak butuh RAG.
00:12:11Model bahasa besar ini,
00:12:12perangkat bantu seperti kode Claude sudah cukup baik untuk kebutuhan
00:12:16penggunaan Anda.
00:12:17Dan kita bisa duduk di sini dan membahas secara mendalam tentang
00:12:18perbedaan antara RAG obsidian dan RAG yang sebenarnya.
00:12:21Tetapi kenyataannya hal terbesarnya adalah skala, bukan?
00:12:24Apakah kita mencoba menskalakan ke jutaan dokumen atau tidak,
00:12:27karena pada skala tertentu,
00:12:29akan lebih murah dan lebih cepat untuk menggunakan sistem RAG
00:12:32yang tepat.
00:12:33Tidak peduli seberapa bagus kode Claude dalam menavigasi jaringan file MD
00:12:38dokumen yang telah Anda buat.
00:12:40Tetapi ini bukanlah pertanyaan yang harus Anda miliki
00:12:42jawaban pastinya sekarang juga.
00:12:44Mengapa Anda tidak mulai saja dengan sesuatu seperti obsidian?
00:12:47Dan jika sudah jelas,
00:12:48skala Anda melampaui batas kemampuan alat ini,
00:12:51maka pindahlah ke RAG.
00:12:53Saya pikir orang-orang terlalu terjebak dalam mencoba
00:12:55menjawab pertanyaan ini, padahal seharusnya coba saja, eksperimen saja.
00:12:58Tidak ada biaya apa pun untuk mencoba semacam sistem RAG,
00:13:01sistem RAG seperti obsidian.
00:13:03Dan jika tidak berhasil, ya tidak apa-apa.
00:13:05Lalu gunakan light RAG sebagai gantinya,
00:13:06orang-orang ingin duduk di sini karena mereka pasti akan
00:13:09berdebat di kolom komentar, coba saja.
00:13:11Saya pikir jawabannya akan cukup jelas pada titik tertentu
00:13:14saat Anda perlu pindah ke sistem RAG yang sebenarnya.
00:13:16Tapi hal yang bagus dengan ini adalah, sekali lagi,
00:13:19kebanyakan orang tidak butuh sistem RAG sungguhan.
00:13:21Mereka memang tidak butuh, kan?
00:13:22Bahkan jika mereka berada dalam situasi tim bisnis kecil.
00:13:24Jadi memiliki sistem yang terorkestrasi dengan baik,
00:13:27seperti basis pengetahuan obsidian,
00:13:30saya rasa adalah keuntungan besar bagi mayoritas orang.
00:13:33Jadi saya harap ulasan ini berguna bagi Anda.
00:13:35Pastikan untuk memeriksa postingan Andre tentang hal ini.
00:13:37Dia menjelaskan dengan cukup detail.
00:13:39Pastikan untuk memeriksa sekolah Chase AI gratis.
00:13:41Ada tautannya di deskripsi yang berisi semua
00:13:43prompt dan rincian tertulis tentang cara melakukannya.
00:13:47Jika Anda bingung di bagian mana pun dan seperti biasa lihatlah
00:13:50Chase AI plus jika Anda ingin mendapatkan
00:13:52masterclass itu, selain itu,
00:13:54beri tahu saya pendapat Anda dan sampai jumpa lagi.

Key Takeaway

Mengganti sistem RAG tradisional dengan struktur file Markdown terindeks di Obsidian dan Claude Code memberikan solusi manajemen pengetahuan yang ringan, gratis, dan transparan untuk skala dokumen menengah.

Highlights

Sistem Obsidian RAG milik Andre Karpathy menggunakan struktur file cerdas tanpa basis data vektor, embedding, atau proses pengambilan yang rumit.

Folder "raw" di dalam vault Obsidian berfungsi sebagai area penampungan data mentah sebelum diolah menjadi Wiki oleh AI.

Claude Code secara otomatis mengelola file indeks master dan ringkasan dokumen untuk mempercepat pencarian informasi tanpa biaya token tinggi.

Ekstensi Obsidian Web Clipper yang dikombinasikan dengan plugin "Local Images Plus" memungkinkan konversi halaman web menjadi file Markdown lengkap dengan gambar.

Sistem RAG berbasis Markdown ini lebih efisien dan hemat biaya bagi operator solo atau tim kecil dibandingkan arsitektur Graph RAG yang kompleks.

Timeline

Konsep RAG Sederhana Tanpa Database Vektor

  • Sistem pengetahuan bertenaga Obsidian ini tidak memerlukan embedding atau infrastruktur RAG yang berat.
  • Model bahasa besar (LLM) seperti Claude Code menangani dokumen dalam jumlah besar melalui struktur sistem file yang cerdas.
  • Pendekatan ini memberikan transparansi penuh karena pengguna dapat melihat semua dokumen dan hubungan Wiki secara langsung di antarmuka Obsidian.

Metode ini memecahkan masalah akses dokumen dalam jumlah banyak dengan cara yang jauh lebih ringan dan hampir tanpa biaya. Berbeda dengan sistem RAG 'kotak hitam' yang sulit diinspeksi, sistem ini memfungsikan Obsidian sebagai antarmuka utama untuk manusia. Struktur ini memungkinkan pencarian hubungan antar informasi dengan kesederhanaan pengaturan yang ekstrem.

Arsitektur Folder dan Alur Kerja Data

  • Folder "raw" menyimpan riset mentah seperti file Markdown dan PDF sebelum diubah menjadi Wiki.
  • Folder "Wiki" berisi file Markdown yang dihasilkan oleh Claude Code berdasarkan permintaan spesifik pengguna.
  • File indeks master di dalam folder Wiki mencantumkan semua subjek yang ada untuk memandu navigasi AI dan manusia.

Struktur file yang jelas sangat krusial agar LLM tidak melakukan jutaan panggilan alat yang memboroskan token saat mencari data. Folder raw bertindak sebagai staging area di mana data manual maupun otomatis dikumpulkan. Dengan adanya indeks master, proses penelusuran tetap efisien meskipun jumlah file mencapai ribuan unit.

Panduan Pengaturan dan Integrasi Alat

  • Instalasi aplikasi Obsidian bersifat gratis dan memerlukan penetapan satu folder utama sebagai vault.
  • File Claude.md berisi aturan basis pengetahuan dan instruksi format tautan Wiki untuk AI.
  • Perintah khusus diberikan kepada Claude Code di dalam direktori vault untuk membangun struktur folder secara otomatis.

Pengaturan dimulai dengan mengunduh aplikasi Obsidian dan menjalankan Claude Code di dalam folder vault. Penggunaan file Claude.md sangat penting karena di situlah logika navigasi dan aturan penulisan Markdown ditetapkan. Hal ini memastikan setiap output yang dihasilkan AI konsisten dengan struktur indeks yang telah direncanakan.

Otomasi Pengumpulan Data dan Visual

  • Obsidian Web Clipper mengonversi halaman web menjadi file Markdown yang diarahkan otomatis ke folder raw.
  • Plugin komunitas "Local Images Plus" memastikan gambar dari internet tersimpan secara lokal dan muncul di dalam catatan Obsidian.
  • Claude Code mampu melakukan riset mandiri di internet untuk membuat Wiki baru tanpa input manual dari pengguna.

Integrasi web clipper mempercepat masuknya informasi dari internet ke dalam sistem tanpa perlu penyalinan manual. Untuk mengatasi keterbatasan clipper pada gambar, plugin komunitas digunakan agar visual tetap terjaga di dalam vault. Selain itu, pengguna dapat memberikan instruksi langsung kepada Claude Code untuk mencari topik tertentu dan menyusunnya ke dalam format Wiki secara otonom.

Perbandingan Skala: Obsidian vs RAG Tradisional

  • Sistem berbasis Obsidian paling cocok untuk pengembang solo atau tim bisnis kecil.
  • Sistem RAG tradisional dengan database vektor menjadi lebih murah dan cepat hanya saat menangani jutaan dokumen.
  • Eksperimen dengan metode ringan lebih disarankan daripada terjebak dalam perdebatan teknis tentang arsitektur yang kompleks.

Keputusan untuk pindah ke sistem RAG yang sebenarnya bergantung sepenuhnya pada skala penggunaan data. Sebagian besar kebutuhan tim kecil sudah terpenuhi dengan sistem Markdown yang terorkestrasi dengan baik. Jika skala dokumen melampaui batas kemampuan navigasi file standar, barulah transisi ke infrastruktur RAG yang lebih kompleks menjadi logis secara biaya dan performa.

Community Posts

View all posts