在前 16 天,我們已經把 Notion 筆記一路轉換:從 JSON → SQLite → Chunking → Embedding → Chroma DB
,建立了可以進行語意檢索的基礎。
但這個專案的初衷,不僅是讓 Notion 串接 LLM,更是一次「自我反思」──重新檢視我平常的 Notion 習慣與筆記結構,看看是否能更流暢、更乾淨,進而提升效率、節省時間。
今天,我們就來回顧 Notion 架構,並設計 Notion Database 結構,為之後 LLM 的應用打好地基。
在 【Day 1】系列開場 - Notion 遇上 LLM ,我曾經介紹過我自己的 Notion 主頁「🏠 Nikki’s Hub」,大致分為五大區塊:
├── 🔍 Focus Area
│ ├── 📆 Weekly Dashboard
│ ├── 🎯 Goals & Habits Tracker
│ └── ✍️ Inbox
├── 👩 Personal Life
│ ├── 🧘 Health & Fitness
│ ├── 💸 Finance Tracker
│ └── 🎁 Lifestyle / My Spaces
├── 📚 Learning Lab
│ ├── 🖥️ Tech(Programming, AI, Data)
│ ├── 🗣️ Language
│ └── 🎓 School
├── 💼 Work Space
│ ├── 📋 Career
│ ├── 📢 Job Note
│ └── 🧪 Side Projects
├── 🧠 Knowledge Library
│ ├── 🧩 Skills / Courses
│ ├── 📘 Books / Papers
│ └── 🔗 Articles / Websites
這個架構看似完整,但實際使用時會遇到:
透過這次專案,我重新檢視哪些區塊需要更好的標籤或分類、哪些筆記應該結構化存放,以及哪些能靠自動化(n8n)或 AI(Notion AI)來輔助輸入。
為了讓 Notion 筆記更適合 LLM,也更符合知識管理的流程,我把筆記分成三個階段:
Tags
/ Category
/ Relations
建立跨 DB 連結前面我們已經整理了 Notion DB 的結構 與 ERD,但要讓這個知識系統真正發揮價值,還需要在「資料來源」、「整合中樞」、「應用場景」三個層面做優化。
目前的筆記來源多數依靠手動輸入,未來可以透過自動化流程來補強:
所有資料最終都匯入 Notion Database,並在 Pipeline 中被轉換成 SQLite 與 ChromaDB,作為統一的知識中樞:
有了乾淨結構化的資料庫,LLM 就能成為智慧助理:
[ 多方來源 ]
├── 手動筆記
├── Notion AI
└── n8n Flow
│
▼
[ Notes DB ]
│ Relation
▼
[ Knowledge DB ] [ Tasks DB ] [ Tracker DB ]
│ │ │
└─────▶ [ SQLite / ChromaDB ] ───▶ LLM 檢索增強 (搜尋 / 問答 / 決策輔助)
今天我們回顧了 Notion 架構,並設計了 Database ERD,把 Notes、Knowledge、Tasks、Tracker 四大核心資料庫重新整理出一個清晰框架。這樣的設計能讓 Notion 筆記更有秩序,也更適合與 LLM 串接。
在 Day 18,我會帶各位深入 Notion AI 的角色 —— 如何在收集與整理階段就發揮作用,幫我們節省時間,甚至作為 LLM 的前置加工器。