Internship Project @ Kontex
2026.07-2026.09
企業雲端知識庫整合與自動化管線
Cloud Workspace Knowledge Automation & RAG Architecture
Workspace LLM
Google Apps Script
Automated ETL
Agentic Tool-Use
Enterprise RAG
Enterprise Knowledge Integration Pipeline
展示內容：多格式文字抽取、排程更新與指令工程對話介面
跨團隊知識孤島
產品各模組由不同工程團隊分工維護，規格散落於多個部門空間，缺乏具備全域架構視角的單一窗口。成員在跨領域排查時難以拼湊完整全貌，造成嚴重的溝通成本。
複合格式檢索盲區
大量核心規格保存在非純文字格式（如舊版試算表、多頁手冊、架構截圖）。雲端原生檢索工具難以穿透其結構，查詢時頻繁回傳「查無來源」，導致模型推理斷層。
檢索推理指令工程
在工作區對話端訂定嚴謹的系統行為準則（System Directives），約束模型在回答前必須依序執行意圖解析、關鍵字擴展與來源比對，確保推論全程具備嚴格的佐證依據。
排程自動化 ETL 管線
建立無伺服器自動化排程任務，定時遞歸掃描指定目錄，將無法直接被引擎解析的圖文與表格內容抽取出乾淨文本，持續匯流至統一的技術快照中，確保資料新鮮度。
技術架構拓展與選型研析
01
本地 Agentic CLI 工作流
參考現代開發導向 Agent 的設計思維，建立「意圖決策 → 系統工具調用 → 預算評估 → 按需讀取」的四階管線：
- • 大腦決策：由 LLM 擴充同義詞並產生檢索指令（如比對檔名或全文檢索）。
- • 輕量執行：自動過濾無關二進位檔，產生結構化摘要供模型裁量。
- • 按需讀取：精準控管 Context Window 預算，僅針對高關聯檔案發起追蹤讀取。
02
企業級 RAG 部署範式歸納
橫向梳理業界主流落地架構，將其核心技術維度歸納為三種主要路線，作為不同業務場景的選型基準：
- • 託管型多模態雲端：適用於運維資源精簡且具備超長上下文需求的雲端環境。
- • 混合式私有化部署：結合密集向量、關鍵字與精排重模，滿足高數據主權與內部權限審計。
- • 輕量端側概念驗證：採用滑動窗口分塊與本機嵌入庫，專注於敏捷驗證與個人開發。