鐵人檔案
Data Machi 是一套以企業實際應用為主軸的 30 天學習系列。我們會從最基本的 Chat 開始，一步步加入企業文件與 RAG、即時資料與 Tool Use、Agent 決策能力，以及 LangGraph Workflow，最後處理權限、安全性、錯誤處理與雲端部署，將 AI 從一個 Demo 逐步變成真正可以運作的產品。
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，最直覺的第一步通常是做一個聊天介面：員工輸入問題，AI 產生回答，看起來就像已經完成了一個 AI 產品。但真正開始使用後，問題很快就會...
我們常說 AI 可以提升知識工作效率，但如果進一步追問「知識工作到底是什麼」，答案通常沒有想像中清楚。很多人會把它理解成查資料、寫報告或做簡報，但真正的工作往往...
第一次使用大型語言模型時，很容易產生一種錯覺：它既然可以回答程式、歷史、行銷甚至商業策略，是不是也應該能回答公司內部的問題？真正開始拿它處理工作後，落差就會出現...
剛開始在做 AI 應用時，最自然的做法通常是一直加 Prompt。回答不夠完整，就多寫一條規則；工具選錯，就再補一個條件；遇到例外，再新增一段提醒。短期內這種方...
前四天我們一直在回答一個問題：企業真正需要的 AI，為什麼不能只是一個聊天機器人？答案逐漸清楚之後，接下來就要把概念放回一個具體產品中。這也是 Data Mac...
前一篇我們已經看到 Data Machi 的完整架構，而第一個要補上的能力，就是讓 AI 能取得企業文件。原因很簡單：如果模型回答前完全看不到公司的規範、報告或...
昨天我們把 RAG 理解成「回答前先查文件」，但真正開始做時，很快就會遇到下一個問題：PDF 本身並不是一個適合直接搜尋的知識庫。 即使人類可以打開一份 80...
前一篇我們把一份 PDF 拆解成 Parse、Chunk、Embedding 與 Index，讓原本只能被人閱讀的文件，變成系統可以搜尋的知識。但建立好知識庫之...
如果所有企業文件都是乾淨的純文字 PDF，RAG 會簡單很多。但真實世界通常不是這樣。制度文件可能是掃描檔，月報的關鍵資訊可能藏在圖表裡，簡報頁面可能只有幾個文...
