Semantic Search FAQ dengan pgvector dan Gemini Embedding

Chatbot FAQ Sitetisfy (dulu dikenal sebagai SefyBot) mencari jawaban bukan lewat keyword matching, tapi lewat kemiripan makna. Setiap pertanyaan FAQ di-embed dengan Gemini (gemini-embedding-001, dipaksa ke 768 dimensi) dan disimpan sebagai kolom vector(768) di PostgreSQL + pgvector, dengan index HNSW untuk pencarian cosine similarity yang cepat.

Kenapa hanya pertanyaan yang di-embed

Yang di-embed hanya teks pertanyaan FAQ, bukan jawabannya — karena yang perlu dicocokkan adalah maksud pengunjung, bukan konten jawaban. Jawaban tetap disimpan apa adanya dan ditampilkan utuh begitu FAQ yang relevan ditemukan.

Skor akhir: bukan cuma kemiripan semantik

Similarity cosine dari embedding menyumbang 85% dari skor akhir, sisanya diisi oleh popularitas FAQ (10%) dan rating pengguna (5%). Kombinasi ini membuat FAQ yang sering membantu lebih mudah naik peringkat, bukan hanya FAQ yang kebetulan mirip secara tekstual.

Setiap tenant punya kuota token Gemini bulanan sesuai paketnya, dicek sebelum setiap pemanggilan AI — baik untuk embedding maupun untuk fitur generate FAQ otomatis.