Blueprint DOC—AG.APPLY/01 REV 2026.04 · a
— The Agentic Integration Blueprint —

AI Agent/導入流程圖

Compiled by 2026·04·20 STATUS · ACTIVE
figure 00 · thesis Data, Model &
Application.
企業把 AI Agent 真正用起來，不是挑個模型就能跑——而是一條從 數據整合、管線串聯、語意建構、模型部署 到業務應用的完整鏈路。這份藍圖拆解五個階段， 讓數據、模型、應用在同一張圖上對齊。

Legend · 圖例

  • Structural Frame
  • Primary Flow
  • Semantic Link
  • Outcome
01/05
— Data Integration
數據整理 · 內外匯流
Agentic AI 最深的護城河不是模型，而是資料。先把企業散落在各系統的內部數據， 與外部情境資料一次匯流、建立血緣與權限控管。
// agentify-ready
Internal Sources 內部數據
01 · ERP 企業資源 finance / inventory
02 · CRM 客戶關係 customer / orders
03 · HRIS 人資系統 people / payroll
04 · DOCS 文件知識 wiki / sop / report
05 · LOG 系統日誌 event / telemetry
06 · DW 資料倉儲 warehouse / lake
UNIFIED LAKE
External Sources 外部數據
07 · API 公開 API partner / saas
08 · WEB 網路資訊 site / news
09 · OPEN 開放資料 gov / research
10 · MKT 市場情報 trend / price
11 · SOC 社群訊號 voice / review
12 · REG 法規情境 policy / compliance
02/05
— Pipeline Integration
串聯整合 · 管線打通
用統一的管線（pipeline）把各種來源清洗、對齊、串起來， 變成模型可用、可治理、可追溯的資料流。
// data-pipeline
P1

ETL / ELT

Extract · Transform · Load

抽取、轉換、載入——把不同來源的原始資料搬運進統一儲存，可批次可即時。

P2

資料清洗

Data Cleansing

去重、對齊、補缺——把雜訊刷掉，讓髒資料不會被代理吃進推理鏈路。

P3

Schema 統一

Schema Alignment

欄位命名、型別、單位一致化——跨系統的「客戶 ID」指向同一個實體。

P4

向量化 / Embedding

Vectorization

文本、文件、會議紀錄轉成向量存入 vector store，供檢索與語義比對。

P5

資料治理

Data Governance

版本、血緣、稽核——每一筆資料從哪來、經過誰、被誰用，全程可追溯。

P6

權限分層

Access Control

依角色、部門、個人細粒度授權，決定 agent 與使用者能看到、能動哪些欄位。

P7

API / Webhook

Event Trigger

即時事件觸發同步——訂單成立、會議結束、工單更新，資料秒級流入 pipeline。

P8

統一資料湖

Data Lake / Warehouse

結構化與非結構化資料集中落地，成為 agent 與模型取用的單一來源。

03/05
— Semantic Linking
語意串聯 · 知識層構築
散亂的資料無法直接給 agent 用。用 ontology 定義業務語意、knowledge graph 串起跨系統實體， 再用向量檢索補上非結構化內容，讓數據成為「可被代理讀懂的知識」。
// semantic-ready

Ontology 本體

Schema of Meaning

定義「客戶 / 訂單 / 員工 / 會議」這些實體的屬性、關係與業務規則，讓 agent 對同一詞彙有一致理解，不會把兩個系統的「客戶」當成兩個實體。

BUSINESS TERMS

Knowledge Graph

Entity Network

把跨 ERP、CRM、文件的真實資料，用節點與邊串成可查詢網絡。Agent 能順著關係推理：某客戶 → 所屬產業 → 合規要求。

NODE · EDGE · RUNTIME

Vector / Embedding

Similarity Retrieval

文件、會議紀錄、郵件等非結構化內容轉成向量，配合 graph 做廣搜與語義召回，兩者互補：圖負責結構推理，向量負責內容檢索。

RAG · SEMANTIC SEARCH
04/05
— Model Deployment
地端 × 雲端 · 混合模型
敏感資料走地端、通用能力走雲端。用 AI gateway 控管 prompt / response 的資料流， 讓大模型能力能進來，機密資料不會出去。
// hybrid-llm
⌂

地端 LLM

On-Premise · Sovereign

部署在企業 VPC 或資料中心內的模型，處理敏感、機密、受監管資料。資料完全不離開組織邊界，可用自家資料 fine-tune 成 domain-specific 小模型。

  • USE · 適用薪資 / 合約 / 醫療 / 客戶隱私
  • SIZE · 規模7B – 70B，量化後可本地推論
  • GAIN · 優勢合規可控、成本可預測、低延遲
  • TRADE · 取捨硬體投資、維運門檻
◯

雲端 LLM

Cloud · Frontier

呼叫 Claude / GPT / Gemini 等前沿模型 API，用於需要強推理、長脈絡、通用知識的場景。透過 AI gateway 遮罩敏感欄位後再送出。

  • USE · 適用通用問答 / 文案 / 複雜推理 / 程式碼
  • SIZE · 規模Frontier-scale，隨廠商升級
  • GAIN · 優勢能力最新、零維運、按量計費
  • TRADE · 取捨資料出境風險、需 gateway 過濾
05/05
— Application Layer
業務應用 · Agent 接管流程
當資料與模型到位，Agent 就能實際接手高頻、規則清楚的內部流程—— 從行政事務到知識作業，把員工從重複勞動中釋放出來。
// workflows
01

報帳流程

Expense · AP

上傳發票 → 自動辨識 → 分類至會計科目 → 比對政策 → 觸發簽核 → 入 ERP。員工只需拍照。

02

會議室預約

Room · Booking

一句話描述需求（人數、時段、設備），agent 比對可用會議室、處理衝突、自動發邀請。

03

請假流程

Leave · HR

對話式提出請假 → 檢查假別、餘額、衝突會議 → 自動改期 → 走簽核 → 同步 HRIS 與行事曆。

04

會議記錄

Meeting · Minutes

自動聽寫、摘要決議、抽取 action items，指派給負責人進追蹤系統，一週後主動提醒進度。

05

內部 Q&A

Internal · Search

員工問 HR 政策、IT 問題、SOP，agent 從 wiki、合約、前例中檢索並引用來源回答。

— The Result —

數據 × 模型 × 應用

DATA · 01

可信的資料

跨系統語意一致、血緣可追、品質內建，agent 不再從碎片做錯決策。

×
MODEL · 02

合適的模型

敏感走地端、通用走雲端，能力與合規同時到位，不用賭單一押注。

×
APP · 03

真實的場景

從報帳到會議記錄，agent 真正進入日常流程，價值可量測、可規模化。

◉ Further Reading 延伸閱讀
→ 01
Why · Strategic Driver

Human Middleware 之死

為什麼要導入 AI Agent——不是「加速幾條流程」，而是「公司的作業系統」。Manifesto 等級的論證。

→
→ 02
How · Engineering Discipline

Agent Skills 工作流

導入後具體怎麼運作——idea-refine、spec、planning、TDD、review、release 一條完整紀律鏈。

→
→ 03
Memory Layer Detail

Managed Agents Memory

管線中「記憶」這一塊的具體實作——filesystem 介面、跨 session 學習、稽核控管。

→