📖 Ikhtisar Week 2 — Accelerate With Voice Agents And RAG

Ringkasan komprehensif seluruh materi Minggu 2 25 Video · 5 Hari · Topik: ElevenLabs Voice Agents, Integrasi n8n, RAG, Embedding, Vector Database, Supabase, Agentic RAG, Twilio

🗺️ Peta Pembelajaran Minggu 2

╔══════════════════════════════════════════════════════════════════════════╗
║  MINGGU 2: ACCELERATE WITH VOICE AGENTS AND RAG                        ║
║                                                                          ║
║  Day 1 ──▶ Day 2 ──▶ Day 3 ──▶ Day 4 ──▶ Day 5                       ║
║  ElevenLabs  Integrasi  Teori RAG   Data Ingest  Proyek Akhir          ║
║  Platform    n8n+11Labs  & Vector   Pipeline     RAG + Voice           ║
║  & Voice     Dua        Database    ETL ke       + Deploy              ║
║  Agents      Pendekatan             Supabase     + Twilio              ║
║                                                                          ║
║  ┌─────────────────────────────────────────────────────────────────┐    ║
║  │ SUARA ────────────────────────────────────────────────▶ DATA   │    ║
║  │ (Voice Agent)              (Integrasi)             (RAG + DB)  │    ║
║  └─────────────────────────────────────────────────────────────────┘    ║
╚══════════════════════════════════════════════════════════════════════════╝

📅 Ringkasan Per Hari

🟣 Day 1 — ElevenLabs Voice Agents & Multi-Agent

Aspek	Detail
Platform	ElevenLabs — unicorn 2022, 2 produk: Creative (audio) & Agents
Voice Agent	Buat agent pertama: system prompt, pilih suara, preview
Knowledge Base	Simple RAG bawaan ElevenLabs — upload dokumen, agent otomatis cari
Fitur Deploy	Widget embed, keamanan (allowed origins), Phone Number tab
Multi-Agent	Template "Qualification Flow" — routing multi-agen berdasarkan topik
Pricing	Free tier tersedia, enterprise scalable

Insight Utama: ElevenLabs bukan hanya TTS — ini platform voice agent lengkap dengan knowledge base, tools, widget, dan multi-agent orchestration.

🟡 Day 2 — Integrasi ElevenLabs + n8n (Dua Pendekatan)

Pendekatan	Siapa Orchestrator	Latency	Kompleksitas	Rekomendasi
#1 n8n orchestrates	n8n (Webhook→STT→Agent→TTS→respond)	Tinggi	Tinggi	Testing/custom flow
#2 ElevenLabs orchestrates	ElevenLabs (agent + webhook tool → n8n)	Rendah ★	Rendah	Produksi ★

Konsep Baru	Penjelasan
HTTP Request node	Generic node — panggil API apapun
Webhook node	Generic node — terima HTTP request dari luar
GET vs POST	GET = ambil data, POST = kirim data
voice.html	Halaman test lokal untuk ElevenLabs widget
Production deploy	Activate (n8n) + Publish (ElevenLabs) + update URL

Insight Utama: Biarkan ElevenLabs mengurus voice pipeline (STT/TTS), n8n cukup sebagai backend tool yang dipanggil via webhook. Ini memberikan latency terbaik.

🔵 Day 3 — RAG, Embedding, Vector Database & Agentic RAG

Konsep	Penjelasan Singkat
RAG	Retrieval-Augmented Generation — cari data relevan, masukkan ke prompt
Embedding	Ubah teks → vektor numerik (array angka, misal 1536 dimensi)
Semantic Search	Cari berdasarkan makna, bukan kata kunci
Vector DB	Database yang menyimpan & query vektor (Supabase, Pinecone, dll.)
Cosine Similarity	Ukuran kedekatan dua vektor (0 = beda total, 1 = identik)
Traditional RAG	Linear: query → retrieval → LLM → jawaban
Agentic RAG	LLM memutuskan kapan & apa yang dicari — lebih fleksibel
Supabase	PostgreSQL managed + pgvector extension untuk vector ops

Diagram RAG:

          ┌──────────────┐
          │ User Question│
          └──────┬───────┘
                 │ Embed
                 ▼
          ┌──────────────┐
          │ Vector Search│──── Cari dokumen mirip
          └──────┬───────┘
                 │ Top K results
                 ▼
          ┌──────────────┐
          │ LLM + Context│──── Generate jawaban
          └──────────────┘

Insight Utama: RAG bukan mati — RAG berevolusi. Agentic RAG memberi LLM kendali penuh atas retrieval, menjadikannya lebih powerful.

🟠 Day 4 — Data Ingest Pipeline (ETL → Supabase)

Pipeline:

Google Sheets ──▶ Edit Fields ──▶ Default Loader ──▶ Supabase Vector Store
 (60 produk)      (Transform)     (Chunk+Embed)      (Load)

Komponen	Detail
Edit Fields	Map data: name+category+SKU+price+desc → `content`
pgvector	Extension PostgreSQL untuk operasi vektor
SQL Script	Buat tabel `knowledge_base` + fungsi `match_documents`
Dimensi 1536	Harus cocok antara SQL script & embedding model
Legacy API Keys	n8n belum support format baru Supabase
Embedding Model	OpenAI text-embedding-3-small (1536 dimensi)
Hasil	60 rows di Supabase: content + metadata + embedding

Insight Utama: Pipeline reusable — bisa di-trigger ulang kapan saja. Dimensi embedding di SQL harus persis cocok dengan model. Edit Fields node adalah Swiss Army knife untuk transformasi data.

🟢 Day 5 — Proyek Akhir: Agentic RAG + Voice + Twilio

4 Langkah Besar:

#	Langkah	Teknologi	Hasil
1	Chat-based RAG agent	Gemini + Supabase Vector tool	Agent menjawab via chat
2	Konversi ke Webhook	Webhook + Respond to Webhook	API endpoint siap dipanggil
3	Integrasi ElevenLabs	11Labs agent + webhook tool	Voice agent berbicara data
4	Twilio phone	Twilio number → ElevenLabs	Agent bisa dihubungi telepon

Full Stack:

📱 Telepon/Web ──▶ ElevenLabs (STT) ──▶ n8n Webhook ──▶ Gemini Agent
                                                              │
                                                    Supabase Vector Store
                                                              │
📱 Telepon/Web ◀── ElevenLabs (TTS) ◀── n8n Response ◀──────┘

Insight Utama: Hapus memory node untuk webhook pattern (setiap call independen). Pre-tool speech meningkatkan UX. Selalu ganti test URL ke production URL sebelum deploy.

🛠️ Teknologi Minggu 2

┌───────────────────┬───────────┬──────────────────────────────────┐
│ Teknologi         │ Kategori  │ Peran                            │
├───────────────────┼───────────┼──────────────────────────────────┤
│ ElevenLabs        │ Voice     │ STT, TTS, Voice Agent Platform   │
│ Twilio            │ Telecom   │ Phone number untuk voice agent   │
│ n8n               │ Workflow  │ Orchestration, webhook, backend  │
│ Gemini 2.0 Flash  │ LLM       │ AI reasoning & response gen     │
│ OpenAI Embeddings │ AI        │ text-embedding-3-small (1536d)   │
│ Supabase          │ Database  │ PostgreSQL + pgvector, free tier │
│ Google Sheets     │ Data      │ Sumber data produk (60 items)    │
│ HTTP Request      │ n8n Node  │ Generic API caller               │
│ Webhook           │ n8n Node  │ Generic HTTP receiver             │
│ Edit Fields       │ n8n Node  │ Data transformation              │
└───────────────────┴───────────┴──────────────────────────────────┘

🧩 Pola & Pattern yang Dipelajari

1. Dua Pendekatan Integrasi Voice

A. n8n Orchestrates     → n8n handles STT + LLM + TTS (high latency)
B. ElevenLabs Orchestrates → 11Labs does voice, n8n = backend tool (low latency ★)

2. ETL Pipeline Pattern

Extract (source) → Transform (Edit Fields) → Chunk → Vectorize → Load (DB)

3. Chat → Webhook Conversion Pattern

Chat trigger  →  Webhook (POST) + Respond to Webhook
$json.chatInput  →  $json.body.question
Dengan memory  →  Tanpa memory (stateless)

4. Agentic RAG Pattern

AI Agent + Tool (Vector Store) = Agent yang bisa cari data sendiri
Kunci: Tool Description yang jelas + Top K yang tepat

📈 Statistik Minggu 2

Metrik	Nilai
Total Video	~25 video
Hari Pembelajaran	5 hari
Workflow Dibangun	4+ workflow (voice pendekatan 1 & 2, data ingest, RAG agent)
Platform Baru	ElevenLabs, Supabase, Twilio
Node Baru	HTTP Request, Webhook, Edit Fields, Supabase Vector Store
Konsep Baru	RAG, Embedding, Vector DB, Semantic Search, Chunking
Deployment	2 platform (n8n + ElevenLabs) + 1 opsional (Twilio)

🔗 Koneksi dengan Minggu Lain

Week 1 (Foundation)           Week 2 (Voice + RAG)          Week 3 (Multi-Agent + MCP)
─────────────────            ────────────────────           ────────────────────────
✓ n8n basics                 ✓ Voice agents                 → Self-hosting
✓ Nodes & triggers           ✓ RAG pipeline                 → Docker
✓ API & credentials          ✓ Vector database              → MCP Protocol
✓ Google integrations        ✓ Webhook patterns             → Multi-agent systems
✓ JSON & expressions         ✓ Production deploy            → Capstone project

🏆 Pencapaian Minggu 2

╔═══════════════════════════════════════════════════════════════════╗
║                                                                   ║
║  ✅ Menguasai platform ElevenLabs (voice agent + knowledge base) ║
║  ✅ Dua pendekatan integrasi voice (n8n vs 11Labs orchestrator)  ║
║  ✅ Memahami RAG secara mendalam (teori + implementasi)          ║
║  ✅ Setup Supabase + pgvector dari nol                           ║
║  ✅ Membangun ETL pipeline untuk data ingest                     ║
║  ✅ Membangun Agentic RAG agent (Gemini + Supabase tool)         ║
║  ✅ Deploy voice agent ke produksi                               ║
║  ✅ Integrasi Twilio phone number                                ║
║                                                                   ║
║  🎯 Outcome: Voice agent yang menjawab query produk via HTTP,    ║
║     widget web, dan telepon — didukung RAG real-time dari DB     ║
║                                                                   ║
║  📊 Progress Kursus: 67% █████████████░░░░░░░                    ║
╚═══════════════════════════════════════════════════════════════════╝

Lanjut ke Minggu 3: Multi-Agent Systems & MCP — tingkat advanced!

📖 Ikhtisar Week 2 — Accelerate With Voice Agents And RAG ​

🗺️ Peta Pembelajaran Minggu 2 ​

📅 Ringkasan Per Hari ​

🟣 Day 1 — ElevenLabs Voice Agents & Multi-Agent ​

🟡 Day 2 — Integrasi ElevenLabs + n8n (Dua Pendekatan) ​

🔵 Day 3 — RAG, Embedding, Vector Database & Agentic RAG ​

🟠 Day 4 — Data Ingest Pipeline (ETL → Supabase) ​

🟢 Day 5 — Proyek Akhir: Agentic RAG + Voice + Twilio ​

🛠️ Teknologi Minggu 2 ​

🧩 Pola & Pattern yang Dipelajari ​

1. Dua Pendekatan Integrasi Voice ​

2. ETL Pipeline Pattern ​

3. Chat → Webhook Conversion Pattern ​

4. Agentic RAG Pattern ​

📈 Statistik Minggu 2 ​

🔗 Koneksi dengan Minggu Lain ​

🏆 Pencapaian Minggu 2 ​