Morphik telah muncul sebagai alternatif yang menjanjikan untuk sistem Retrieval-Augmented Generation (RAG) tradisional, yang dirancang khusus untuk dokumen teknis dan visual yang kompleks. Platform ini telah menghasilkan diskusi signifikan dalam komunitas pengembang, terutama seputar sifat open source dan kemampuan self-hosting-nya.
Klarifikasi Open Source vs. Fitur Berbayar
Model lisensi Morphik telah menjadi fokus utama diskusi komunitas. Meskipun dipasarkan sebagai open source di bawah lisensi MIT Expat, pengguna telah menunjukkan beberapa nuansa dalam struktur lisensinya. Fungsi intinya, termasuk API, SDK, dan logika backend, memang berlisensi MIT, tetapi fitur tertentu seperti Morphik Console UI adalah bagian dari namespace enterprise (ee) dengan ketentuan lisensi yang berbeda.
Seorang anggota komunitas mencatat perbedaan ini, yang memicu klarifikasi dari perwakilan Morphik:
Kami seharusnya lebih jelas. Bagian dalam ee adalah UI kami, yang dapat digunakan untuk pengujian atau di lingkungan pengembangan. Kode utama, termasuk API, SDK, dan seluruh logika backend berlisensi MIT expat.
Perbedaan ini penting bagi pengembang yang mempertimbangkan adopsi, karena memengaruhi komponen mana yang dapat digunakan dan dimodifikasi secara bebas versus yang mungkin memerlukan lisensi komersial.
Fitur Utama Morphik
- Pencarian Multimodal: Menggunakan teknik seperti ColPali untuk memahami konten visual dalam dokumen
- Grafik Pengetahuan: Membangun grafik pengetahuan khusus domain dengan prompt sistem yang dapat disesuaikan
- Ekstraksi Metadata: Mengekstrak metadata termasuk kotak pembatas, label, dan klasifikasi
- Integrasi: Bekerja dengan Google Suite, Slack, Confluence, dan alat lainnya
- Cache-Augmented-Generation: Menciptakan KV-cache persisten untuk mempercepat generasi
Struktur Lisensi
- Lisensi MIT Expat: Fungsionalitas inti, API, SDK, logika backend
- Lisensi Enterprise: Komponen UI (Morphik Console) dan fitur dalam namespace "ee"
Pilihan Penerapan
- Layanan Cloud: Tingkat gratis dengan 200 halaman dan 100 kueri, kemudian bayar sesuai penggunaan
- Self-Hosted: Dapat diinstal langsung atau melalui Docker, dukungan terbatas tersedia
- Inferensi Lokal: Kompatibel dengan Ollama, model yang direkomendasikan termasuk Llama 3.2 8B atau lebih besar
Kemampuan dan Persyaratan Self-Hosting
Sebagian besar diskusi komunitas berpusat pada opsi self-hosting. Banyak pengembang menyatakan ketertarikan untuk menjalankan Morphik secara lokal daripada menggunakan versi cloud, terutama untuk menangani dokumen sensitif. Platform ini dapat dijalankan sepenuhnya secara lokal menggunakan Ollama untuk inferensi, meskipun kinerja bergantung pada perangkat keras dan model yang digunakan.
Untuk hasil optimal dengan dokumen teknis, umpan balik komunitas menyarankan penggunaan model yang lebih besar seperti Llama 3.2 8B, dengan konsensus umum bahwa semakin besar semakin baik untuk pemrosesan dokumen kompleks. Namun, persyaratan komputasi spesifik dan batasan penskalaan untuk self-hosting Morphik masih menjadi pertanyaan bagi banyak calon pengguna.
Satu pengguna secara khusus menyebutkan keinginan untuk memiliki cara untuk memasukkan semua dokumen pribadi ke dalam database dan memiliki pencarian/RAG yang berfungsi terhadap dokumen tersebut secara lokal, sebaiknya dengan cara yang agnostik terhadap backend LLM, menyoroti keinginan umum untuk solusi lokal yang menjaga privasi.
Kemampuan Teknis dan Kasus Penggunaan
Arsitektur Morphik telah menarik perhatian karena pendekatannya terhadap pemrosesan dokumen. Platform ini menormalkan entitas dan relasi ke dalam grafik pengetahuan untuk RAG, yang dianggap menjanjikan oleh anggota komunitas. Jalur ingesti ganda—OCR reguler dengan embedding teks dan Colpali—menawarkan fleksibilitas untuk berbagai jenis dokumen.
Penanganan tabel, yang sering menjadi titik kesulitan dalam sistem pemrosesan dokumen, tampaknya ditangani dengan baik oleh Morphik. Menurut umpan balik pengembang, jalur Colpali melakukan pekerjaan yang jauh lebih baik dengan tabel karena dapat mengenkode hal-hal posisional dan tata letak juga, menjadikannya cocok untuk format dokumen yang kompleks.
Pengguna juga mengeksplorasi kasus penggunaan khusus, seperti memproses slide presentasi konferensi versus makalah akademik, dan mengekstrak kotak pembatas dari PDF. Kemampuan untuk menyesuaikan ekstraksi entitas dan pemetaan hubungan untuk domain tertentu (seperti farmasi) telah disorot sebagai fitur yang berharga.
Untuk jenis dokumen yang lebih sederhana, anggota komunitas mencatat bahwa solusi RAG tradisional yang dibangun di atas database vektor mungkin sudah cukup, menunjukkan bahwa Morphik memberikan nilai paling banyak untuk dokumen multimodal yang kompleks dengan tabel, gambar, dan tata letak yang rumit.
Seiring teknologi pemrosesan dokumen dan RAG terus berkembang, pendekatan Morphik untuk menangani konten visual dan teknis merepresentasikan perkembangan menarik dalam membuat dokumen kompleks lebih mudah diakses oleh sistem AI. Keseimbangan antara aksesibilitas open source dan fitur komersial kemungkinan akan tetap menjadi pertimbangan utama bagi calon pengguna yang mengevaluasi platform ini terhadap kebutuhan spesifik mereka.
Referensi: morphik |  |
|---|
| *dari bahasa Inggris ke bahasa Indonesia dengan memperhatikan aturan yang diberikan. |
Tangkapan layar repositori GitHub untuk Morphik, mengilustrasikan upaya kolaboratif dalam mengembangkan kemampuan teknisnya