鐵人檔案
Data Machi 是一套聚焦企業實戰的 30 天學習系列。你將從理解聊天機器人與真正「會工作的 AI」之間的差距出發，逐步學會如何讓 AI 讀懂企業文件、呼叫工具、自主決策，最後打造一個能在正式環境穩定運作的企業知識工作流 Agent。
為什麼我想開始這個專案？ 這幾年，我在工作中持續接觸資料分析、自動化、生成式 AI 與企業知識管理，也開始反覆思考一個問題： 除了回答問題之外，AI 能不能真...
企業導入生成式 AI 時，最常見的起點是「先做一個聊天機器人」。員工輸入問題，AI 產生回答，畫面上有一個熟悉的對話框，看起來就像完成了一個 AI 產品。 但真...
我們常聽到「AI 可以提升知識工作效率」，但很少有人停下來問：知識工作本身到底是什麼？ 它並不只是打字、做簡報或查資料，而是一連串需要理解情境、判斷資訊、執行任...
大型語言模型讀過海量的公開資料，可以流暢地解釋量子力學、翻譯多國語言，也能撰寫商業計畫書。但當你問它： 「我們 Q3 的需求工單有幾張來自美國市場？」 或...
很多人在建立 AI 系統的初期，都會有一個很自然的想法：只要把規則寫得夠清楚、夠完整，模型應該就能按照指示完成任務。 這個做法在簡單情境下確實有效。例如，要求模...
Data Machi 並不是一開始就被設計成完整的企業 Agent。 當我們看到一張結構完整的 AI 系統架構圖時，很容易以為開發團隊從第一天開始，就已經清楚規...
大型語言模型在訓練完成後，對外部世界的知識便會受到訓練資料與時間範圍的限制。它可能知道大量公開知識，卻不認識你的公司規章、不知道最新版本的操作手冊，也看不到昨天...
你把一份 PDF 上傳到系統後，這份文件就會自動變成 AI 能理解的知識嗎？ 答案是：還差得遠。 對系統來說，一份剛上傳的 PDF 一開始只是一個檔案。它可能包...
使用者問： 「離職後帳號怎麼處理？」 但公司文件真正的標題可能叫做： 「離職者權限撤銷流程」 兩句話描述的其實是同一件事：員工離開公司後，應如何移除帳號...
大多數 RAG 教學都建立在一個很理想的前提上：PDF 裡有乾淨的文字層，系統可以直接解析文字、切成 Chunk，再建立 Embedding 與向量索引。 但真...
