鐵人檔案
本系列將實作一套結合 Notion 與大型語言模型（LLM）的智慧知識管理系統，目標是讓日常筆記能夠轉化為可搜尋、可問答的知識助理。
過程中會涵蓋資料清理、內容結構化、語意檢索到問答生成，並嘗試設計互動介面，讓使用者能以自然語言向筆記發問。進一步還會加入多輪對話記憶、多語支援，以及自動回寫 Notion 筆記等功能。整個過程將完整紀錄架構設計、技術選型與實作細節，分享如何從零開始，將個人知識庫升級成專屬的 AI 助理。
在 Day 9，我們設計了 SQLite Schema 並畫出了 ERD；Day 10時，調整了 Pipeline 的 JSON 格式，補齊 Schema 需要...
在 Day 11，我們成功地讓 Notion 筆記存進了 SQLite 資料庫。這就像是為我們的「第二大腦」建立了記憶中樞，我們可以透過 SQL 精準地存取資料...
在 Day 12，我們理解了 Embedding 這個將「語意」轉化為「數學座標」的魔法。在我們迫不及待地想把所有筆記都向量化之前，還有一個極其重要、卻也最常被...
在 Day 13，我們討論了Chunking 策略，將 Notion 筆記切分成適合的文字片段，方便送進 Embedding 模型轉換成向量。今天，我們要實作兩...
在 Day 14，我們學會了如何將 Notion 筆記切分 (Chunking)，並且估算了 Embedding 成本。接下來，要讓我們的筆記進入「語意檢索」的...
在 Day 15，我們完成了 OpenAI API Key 的設定與 Chroma DB 的初始化，今天，我們要進行一個重要里程碑：把 Notion 筆記的 c...
在前 16 天，我們已經把 Notion 筆記一路轉換：從 JSON → SQLite → Chunking → Embedding → Chroma DB，建...
在 Day 17，我們檢視了 Notion 架構，並設計了 Notes / Knowledge / Tasks / Tracker 四大核心 Database。...
在 Day 18，我們聊了 Notion AI 如何幫我在「收集 → 整理」的階段減少負擔。但是，再厲害的 AI，也需要有資料來源。如果輸入不夠乾淨、不夠完整，...
在 Day 19，我們聊了 n8n × Notion 的概念，今天我們就來動手做一個最常見的自動化場景：把 Gmail 收到的電子報 → 自動摘要 → 寫進 N...
