Agni Wiguna

Some nights I wish that my lips could build a castle

[Lia @rkiveforlive]

NGAKAK BANGET REAKSI LAKIKNYA 🤣🤣😭😭😭

[Percival @Dickneypixar]

in the end dia meninggal kedinginan gegara di suruh jualan korek ama bapaknya di malam badai salju tanpa jaket tanpa sepatu.

pas baru meninggal baru banyak yang kasian, dia jualan dari malem gak ada yang beli taeee😭😭

tapi dia meninggal dengan bahagia soalnya dia terbebas dari siksaan bapaknya dan idup bareng neneknya lagi di surga😭😭

[A Professional Overthinker 🇲🇦 @rizalakbarm_]

reza auditore lagi sakit bahkan sampe masuk rs, dibikin story ig sama ladesh, terus ada yg ss & up ulang di yutup, komen-komennya bgst semua asu 😂

[Agni Wiguna @agniwii]

Keknya tuh nilai kadang berguna

[Avi Chawla @_avichawla]

8 RAG architectures for AI Engineers:

(explained with usage)

1) Naive RAG
- Retrieves documents purely based on vector similarity between the query embedding and stored embeddings.
- Works best for simple, fact-based queries where direct semantic matching suffices.

2) Multimodal RAG
- Handles multiple data types (text, images, audio, etc.) by embedding and retrieving across modalities.
- Ideal for cross-modal retrieval tasks like answering a text query with both text and image context.

3) HyDE (Hypothetical Document Embeddings)
- Queries are not semantically similar to documents.
- This technique generates a hypothetical answer document from the query before retrieval.
- Uses this generated document’s embedding to find more relevant real documents.

4) Corrective RAG
- Validates retrieved results by comparing them against trusted sources (e.g., web search).
- Ensures up-to-date and accurate information, filtering or correcting retrieved content before passing to the LLM.

5) Graph RAG
- Converts retrieved content into a knowledge graph to capture relationships and entities.
- Enhances reasoning by providing structured context alongside raw text to the LLM.

6) Hybrid RAG
- Combines dense vector retrieval with graph-based retrieval in a single pipeline.
- Useful when the task requires both unstructured text and structured relational data for richer answers.

7) Adaptive RAG
- Dynamically decides if a query requires a simple direct retrieval or a multi-step reasoning chain.
- Breaks complex queries into smaller sub-queries for better coverage and accuracy.

8) Agentic RAG
- Uses AI agents with planning, reasoning (ReAct, CoT), and memory to orchestrate retrieval from multiple sources.
- Best suited for complex workflows that require tool use, external APIs, or combining multiple RAG techniques.

Most architectures here involve some form of retrieval-time decision. But they all run on top of whatever was already indexed.

If that indexing step outputs messy chunks, every architecture inherits them. Improving it is a separate problem from the 8 above.

My co-founder wrote about a better unit for the indexing step. The technique:

- cuts corpus size by 40x.
- reduces tokens per query by 3x.
- improves vector search relevance by 2.3x.

And it doesn't alter the retrieval algorithm, the reranker, or the embedding model.

Read it below.

[xximbecile @xximbecile2]

FYI kalo U gak academically smart, bukan berarti U otomatis jadi street smart. Bisa aja bego dua-duanya.

[Agni Wiguna @agniwii]

istirahat disamperin ditanyain issue, pulang pengen nongkrong bentar ditanya lagi :(

[Agni Wiguna @agniwii]

menarik keknya kalau masak ini : fuyunghai, ayam cabe garam, ayam saus jamur atau pindang balado

[Agni Wiguna @agniwii]

selalu aja ketemu wkwk

[j00oo0o @rosefhui]

demo dibayar segitu mah kemaren ke bundaran hi pada pake silver bird anjg bukan pake kopaja

[👀 @saludosparatii]

Bener kata bang Pandji. Orang ini dari kecil hidup dari keluarga kaya yg membuat tidak ada org yg berani mendebat dia, semua keinginannya pasti dituruti. Saudara, ART, dan temannya pasti mengiyakan dia. Mungkin cuma orang tuanya yg bisa bilang 'tidak' ke dia (itupun kalo orang tuanya tegas).

Ditambah dia masuk militer yg emg sistemnya 'siap ndan'. Semua hal dilakukan atas perintah atasan, bukan hasil duduk bareng dan saling challenge pendapat seperti di lingkungan kampus.

Udah gitu jadi ketua partai pula. Tau sendiri partai di Indonesia itu fanboy club. Ngga ada ideologi tapi semua arah partainya ditentukan tokoh partai tersebut. Hampir semua bawahannya pasti ABS.

So, selama dia hidup ngga biasa dgn kritikan. Karena dia biasa diiyain segala keinginannya. Sampai pada titik dia jadi presiden. Yg mana presiden adalah jabatan publik. Banyak org yg mengawasi dan mengkritik.

Alhasil pas jadi presiden ya begini. Kaget kalo ternyata dia bisa dikritik orang banyak dan dihajar kanan kiri. Jadi lgsg cap yg kritis itu nyinyir, antek asing, musuh negara, dll.

[Mbak kun @empty__core]

😭😭😭

[Agni Wiguna @agniwii]

Makin capek makin sadar bahwa saya gagal dan menuju kegagalan baru

[Agni Wiguna @agniwii]

Mungkin kebahagiaan akan keinginannya jauh lebih penting dari kebutuhan orang lain.

[Hidup sebagai +62 @Hidupsebagai62]

DEFINISI BOCIL NGK SADAR DIPRANK
MERASA DIHORMATI, PADAHAL MEDIA PRANCIS MENCEMOOH !!

REAL NGK ADA HARGA DIRI !!!

Salah satu media prancis memberitakan Kunjungan Prabowo Subianto dengan kata2 gini :

"l’interventionnisme du président Prabowo provoque des turbulences sur les marchés
La mesure a provoqué une fuite massive des capitaux étrangers."

artinya : Intervensionisme Presiden Prabowo Menyebabkan Kekacauan Pasar. Langkah tersebut memicu pelarian modal asing secara besar-besaran.

Mereka aja paham apa yg terjadi di Indonesia wok !!!!

[Catholic 𐕣 @myshawti]

Sampai hafal susunannya 😭😭😭

[Sammy Notaslimboy @NOTASLIMBOY]

Dikiranya kita goblok. Jan dan April udah ke sana goblok. Masak nggak sekalian follow up undangan tahun lalu. Tolol.

[アリヤ • @AryaNovrianus]

Jokes lawas Idul Adha:

*ngomong ke orang berbadan gemuk

“Ngumpet begoo, ntr dipotong lo..”

Semua orang tau ini becandaan doang. Tapi ternyata ada satu orang yg nganggep ini serius, dia takut dan akhirnya pergi ke Perancis. 😔

[Agni Wiguna @agniwii]

Merasa hampa dan lelah

[Agni Wiguna @agniwii]

Semoga survive 80 jam seminggu wkwk