Lanjut ke konten
Samkarsa Logbook

Ketik untuk mencari…

↑↓untuk navigasi
Esc

MCP v1.0.0-032: Harvest & Re-Rank Product Alias, Trigram Fuzzy & Self-Learning

Resolusi nama produk singkat dan alias pada Vibeschat menggunakan arsitektur Harvest & Re-Rank, PostgreSQL pg_trgm similarity, injeksi ocr_alias_mappings, dan zero-regression.

1mnt baca

Pembaruan ini menyelesaikan kendala false negative dan missed query pada Vibeschat saat pengguna menyebut nama barang dengan singkatan atau ejaan tidak baku (misal: "beras sip" -> "BERAS PREMIUM SIIP", "gula pasir nusakita" -> "GULA NUSAKITA").

  • Mengeliminasi Jebakan Early-Stopping: Menggantikan logika if-else bertingkat yang rentan salah pilih dengan pola pengumpulan kandidat (harvesting) paralel dalam satu kueri SQL matematis terpadu.
  • Multi-Factor Scoring:
    • Bobot 1.00 / 0.98: Alias Toko Eksplisit (ocr_alias_mappings & vibes_memory).
    • Bobot 0.85: Exact Word / Token Boundary Match.
    • Bobot 0.30 - 0.80: PostgreSQL Trigram Similarity (pg_trgm).
    • Produk dengan skor gabungan tertinggi yang otomatis terpilih dan dianalisis oleh AI.

  • Menghubungkan 105+ pemetaan alias nota yang sudah tersimpan di database OCR ke dalam ontology system prompt dynamicSqlEngine.ts di Bagian 4.
  • Menambahkan fungsi learnProductAlias pada semanticMemoryTool.ts untuk sinkronisasi otomatis dua arah saat pengguna mengoreksi nama barang di ruang obrolan.

  • Mengaktifkan ekstensi pg_trgm pada database produksi blonjo_db.
  • Menambahkan GIN Trigram Index idx_products_name_trgm pada kolom products.name untuk memastikan kecepatan pencarian teks kemiripan tetap di bawah 2 milidetik.
  • Menyiapkan tabel pendukung knowledge_vectors dengan tipe vector(3072) dan GIN index untuk stabilitas pencarian RAG.

  • Seluruh fitur query keuangan, neraca saldo kas/bank, utang supplier, dan laporan laba rugi terbukti 100% utuh dan bebas regresi.
  • Uji coba langsung pada kontainer mcp-backend-prod sukses memetakan query informal ke master produk resmi secara faktual dan akurat.