專欄 · 連載

一人企業的 RAG 建置紀錄 — 3 天內把 15 年的知識交給 AI 的故事

2026-03-26

序章:那天的一通電話

"金執行長,麻煩幫我找找五年前您在現代威亞講的那份授課資料。您當時用的 B2B 銷售情境分析資料真的很好。"

週五下午,一通熟悉的請求來了。我下意識地打開 Google 雲端硬碟。「客戶」資料夾 → 「現代威亞」 → 2018 年?2019 年?我打開資料夾。Keynote 檔案有 8 個。一個一個打開來看。「這不是…」再度關上。翻找其他資料夾。「講義資料」 → 「B2B 銷售」 → 檔案超過 40 個。

結果花了 45 分鐘才找到。不,確切來說,找到的是一個"好像是這個…"的檔案。並沒有 100% 的把握。

這種事情不是一兩次了。15 年來授課製作的 Keynote 簡報檔就超過 2,000 個。加上各客戶的企劃書、課程規劃、合約與分析資料,總數達數萬個。腦中明明覺得"一定在某個地方"…,但要找到那個'某個地方',每次都是苦差事。

更大的問題還在後頭。我在部落格寫的文章、在 YouTube 講授的內容、在書中整理的理論 — 這些全都各自散落。同一個主題,部落格這樣寫、課堂上那樣說、書裡又另外整理。明明是我自己的知識,我卻連全貌都無法一眼看清。

於是我下定決心。"把我的 15 年全部交給 AI 吧。"

一人企業的 RAG 建置記 — 3 天內把 15 年的知識交給 AI 的故事 - Nanum 經營顧問




第 1 天:與 2,023 個 Keynote 檔案的硬仗

瞎忙的開始

星期六早上 7 點。我沖了一杯咖啡,坐到 MacBook 前。計畫很單純:把我所有的講義資料放進 AI 可以搜尋的資料庫。以技術來說,就是建構 RAG(Retrieval-Augmented Generation,檢索增強生成)系統;簡單講,就是 **"打造一位記得我所有資料的 AI 助理"**。

第一道關卡是 Keynote 檔案。必須先把 2,023 個 Keynote 轉換成 PDF。我嘗試用 Mac 的 Automator(自動操作)進行批次轉換。一開始很順利,100 個、200 個… 但到了約 500 個時就卡住了。檔名含有特殊符號的檔案不斷跳出錯誤。括號、井號、和號 — 十五年來隨手取的檔名成了絆腳石。

我問了 Claude Code:"請幫我寫一支轉換腳本,連含特殊符號的檔名也能處理。" 5 分鐘就解決了。若是以前,大概得翻遍 Stack Overflow,花上半天。

73,000 張投影片

PDF 轉檔完成後,我從每張投影片擷取了文字。平均每個檔案 36 張。從 2,023 個檔案中, 湧出了 73,000 張投影片的文字。

但問題也隨之出現。許多投影片只有 "…"、頁碼,或是空白文字。這類雜訊會汙染搜尋結果。我們找出少於 20 字的無意義紀錄,數量竟多達 7,983 筆,於是果斷刪除。

15 年的客戶資料夾

光有講課資料是不夠的。我整理了依客戶別分類的資料夾:現代汽車、三星電子、LG、浦項鋼鐵(POSCO)… 每個資料夾裡都有教育提案書、客製化課程規劃、事前分析資料與合約。

將這些全部以文字擷取後存入資料庫。 新增了 67,000 個檔案區塊(chunk)。晚上 11 點,第一天結束了。雖然雙眼乾澀,但看到資料庫裡進入了 140,000 筆紀錄,心裡很有成就感。




第 2 天:把我的整個人生數位化

Google 通訊錄 8,590 人

星期日早上,第二天開始了。今天的目標是把授課資料以外的 所有東西都放進去。

首先是 Google 通訊錄。15 年來在教育現場認識的人,聯絡資料共 8,590 筆。姓名、公司、職稱、電子郵件 — 這些也都轉成向量後存入。現在搜尋"三星電子行銷團隊負責人",就會依相似度列出相關聯絡人。

部落格、YouTube 與書籍

接下來是內容。

Naver 部落格共 499 篇。自 2012 年起持續撰寫的 B2B 行銷、銷售與談判相關文章。 以爬蟲腳本全數蒐集並完成向量化。

YouTube 影片共 215 支。 已擷取字幕,並一併儲存中繼資料與留言。如今我在影片中說過的話,都能用文字搜尋。搜尋"B2B 行銷中建立客戶信任的方法",就會跳出我在 2024 年影片中講解的內容。

Brunch 文章 200 篇。 較偏向散文風格的文章,內容包括行銷趨勢、授課現場故事,以及一人企業的經營經驗談。

我寫的書《B2B 行銷設計》。 切成 345 個區塊存入。如今 AI 可以引用書中的內容來作答。

官網專欄 10 篇。 Nanum 經營顧問官網上刊登的專欄,也一篇不漏。

入夜後,資料庫裡出現了這樣的景象:


資料來源筆數

課程投影片73,000 張
客戶檔案67,000 筆
Google 通訊錄8,590 人
部落格499 個
YouTube215 個
書籍345 個區塊
Brunch200 個
網站專欄10 個


我 15 年的工作紀錄,全都匯集到了同一個資料庫裡。




第 3 天:教 AI 理解'語意'

向量化 — 不是搜尋字詞,而是搜尋語意

第三天的核心工作是向量化。簡單來說,就是為每一段文字賦予 AI 能夠理解的「語意座標」。

一般搜尋是關鍵字比對。搜尋"行銷",就只會找到含有「行銷」這個詞的文件。但向量搜尋不同。搜尋**"向客戶傳遞價值的策略"**,即使文件裡沒有「行銷」一詞,語意相關的講義、部落格文章與 YouTube 字幕也都會被搜出來。

我們採用了 Voyage AI 的嵌入(Embedding)模型。為超過 15 萬筆的文字資料嵌入 1,024 維的向量,花了好幾個小時,但結果令人驚豔。

混合搜尋的完成

只靠純向量搜尋還不夠。像"Hyundai WIA"或"三星電子"這類專有名詞,比起語意搜尋,精準的關鍵字比對更有效。因此我實作了結合向量搜尋與關鍵字搜尋的混合搜尋。

語意相近的內容由向量來找,精確的名稱或日期則由關鍵字來找。等於一石二鳥。

自動分類

超過 2,000 堂課程已自動分類為 14 個類別。B2B 行銷、AI、創業、TRIZ/創造力、領導力、談判… 分析標題的關鍵字模式,以一道 SQL 完成分類。現在也能單獨搜尋「AI 相關講義資料」了。

"Hyundai Wia" 三個字的魔力

所有設定完成後,我懷著忐忑的心情,在搜尋框輸入了 **"Hyundai WIA"**。

2.6 秒。

畫面上湧現了大量結果。


產業別:汽車零組件製造業
現代汽車集團旗下主要零組件供應商
營收:KRW 1,922,400,000,000 (≈ US$1,438,857,500)(較去年同期 +0.7%)
營業利益率:6.4%
新成長動能:擴建瑞山引擎工廠、進軍墨西哥工廠…


3 年前存進客戶資料夾的分析資料自動跳了出來,還標示了來源:"客戶檔案 - 現代威亞相關分析資料"。以前得翻找 3~4 個資料夾才能找到的資訊,AI 只花 2.6 秒就整理好了。

更令人驚訝的是接下來的結果。我搜尋了 **"B2B 行銷策略"**。

我的講義資料中,關係導向行銷、解決方案行銷的投影片浮現了。YouTube 上 B2B 行銷 AtoZ 課程影片的字幕也一併出現。客戶提案書中撰寫的行銷策略部分也被加入。十五年來在不同媒介、以不同形式製作的內容, 如今在同一個問題下井然有序地整理在一起。

就在那一刻,我明白了。這不只是一個單純的搜尋工具。 這是把散落十五年的知識碎片串連成一體的體驗。

改變的日常:Before & After

Before:一份提案書耗時半天

收到企業內訓的提案邀約時,我會經過以下流程。

  1. 客戶分析:瀏覽官網、搜尋新聞、翻找既有資料 — 1 小時
  2. 尋找合適的課程規劃:確認過去相似的培訓紀錄 — 30 分鐘
  3. 製作提案書:修改課程規劃、附上講師簡介 — 1 小時
  4. 撰寫提案郵件 — 30 分鐘

總計 3 小時。這樣的情況每週重複 2~3 次。

After:30 分鐘就完成

現在是這樣的。

  1. 在 RAG 中搜尋「○○企業對象 B2B 銷售教育」 → 即時確認過去類似的教育紀錄與相關資料 — 2 分鐘
  2. 透過課程規劃生成器(串接 RAG),自動產生客製化課程大綱 — 5 分鐘
  3. 透過教育企劃信自動生成器(串接 RAG)撰寫信件 — 5 分鐘
  4. 確認與修改 — 15 分鐘

總共 30 分鐘。 快了 6 倍。

但比速度更重要的是,品質提升了。 過去都靠記憶寫企劃書,一邊寫一邊想"大概是這樣的內容…"。現在 AI 會從我 15 年的資料中找出最合適的內容來提議。這樣產出的企劃書,能充分運用我 100% 的經驗與知識。

意想不到的發現

建置 RAG 的過程中,有了意想不到的發現。

1. 我處理過哪些內容,一目了然

完成類別自動分類後,我的課程作品集終於以數字呈現。

  • B2B 行銷:1,854 張投影片
  • AI:2,010 張投影片
  • 影片製作:1,596 張投影片
  • TRIZ/創造力:984 張投影片

我們首次客觀確認,AI 相關的講義資料數量最多。這是決定未來事業方向的重要數據。

2. 過去的我幫助現在的我

有一份 2015 年製作的談判授課資料。老實說我早就忘了。但在 RAG 裡搜尋"談判策略"時,那份資料跳了出來。重新讀過後,內容相當不錯。現在的教學可以直接拿來再利用。

這正是 RAG 隱藏的價值。 讓被遺忘的資產重新活過來。

3. 圖像帶來的力量

連投影片圖片共上傳了 32,000 張。搜尋結果只顯示文字,與同時顯示實際投影片圖片,有如天壤之別。「啊,這張投影片!」記憶馬上就被喚醒了。

一人企業的 AI 武器

說實話,我不是工程師。HTML 是什麼我知道,但設計資料庫或實作向量搜尋演算法,並不是我的專業範圍。

不過 Claude Code 這個 AI 程式開發工具,改變了一切。我做的事只是說 **"我需要這樣的功能"**。資料庫設計、向量索引建立、搜尋函式優化、前端開發 — 這一切都是透過與 AI 對話完成的。

我算了一下每月的費用。


項目費用

Supabase Pro(資料庫)$25/月
GitHub Pro(程式碼託管)每月 $4
Voyage AI(向量嵌入)免費(200M Tokens)
合計$29/月


相當於五杯咖啡的價格,就把 15 年的知識交給了全天候運作的 AI 助理。

身為一人企業,我原本認為凡事都得自己一手包辦是一大弱點。但和 AI 一起工作後, 正因為是一個人,反而更快。不需要送簽呈,不需要開會,也不必向 IT 部門寫申請單。只要說一句「幫我做這個」,30 分鐘內就會完成。需要什麼就立刻做、立刻用、立刻改。

企業教育現場感受到的變化

我每週都在企業裡講授 AI、B2B 行銷與銷售課程。在教學現場向學員展示這套 RAG 系統時,反應分成兩種。

第一個: "我們公司也能做出這個嗎?"

第二個: "這個是您一個人做的嗎?"

大型企業已經在建置企業內部的 RAG 系統。但中小企業或一人企業,往往不敢想。成本令人擔心,技術看起來也很難。

我之所以分享這段經驗,原因就在這裡。 每月 KRW 30,000 (≈ US$22) 即可。不必是開發者。 只要有 AI 程式設計工具就行。重點不在技術,而在 **「如何運用自己的資料」** 的觀點。

15 年累積的講義資料、提案書、客戶資料、部落格文章 — 這些若只沉睡在硬碟裡,毫無價值。一旦餵給 AI, 就會成為活起來的知識資產。




後記:3 天改變的 15 年

通話錄音自動轉文字、臉書貼文串接、LinkedIn 電子報串接都在等待中。如果連這些都加進來,我 15 年來 製作、書寫、說過、分享的所有內容,AI 都會記得。

前幾天,有位學員在課程結束後這樣告訴我。

「執行長教的不是學 AI,而是如何與 AI 共事。」

沒錯。AI 是工具。工具的價值取決於使用它的人。擁有 15 年經驗的人遇上 AI,那份經驗會被放大數倍。若沒有經驗、只拿 AI 來用,那就只是空殼。

AI 時代真正的競爭力,是累積的經驗 × AI 運用能力。

我的這三天,正是那個乘法的開端。

To be continued

本文出現的道具
Claude Code
您是否正在考慮以此主題進行企業內部教育?
📚 打造以自有資料回答的 AI — RAG 入門 →📚 Claude Code 入門:上班族工作自動化 →全部教育課程 →
← 專欄列表 教育洽詢

專欄一覽

查看全部專欄 →

常見問題

  • 分類:ai-dev
  • 撰寫日期:2026-03-26
  • 作者:金鍾赫 · Nanum 經營顧問

序章:那天的一通電話 "金執行長,麻煩幫我找找五年前您在現代威亞講的那份授課資料。您當時用的 B2B 銷售情境分析資料真的很好。" 星期五下午,一通熟悉的請求來了。我…

是的,Nanum 經營顧問開設與本文主題相關的客製化到府企業內訓與線上課程。依對象與程度調整課程規劃後進行授課。