在企業中，完成一項分析需求，往往需要同時查閱指標定義、過去的分析結果，以及相關專案的執行紀錄。但這些資訊通常分散在文件、試算表與協作平台，使用者需要切換不同工具，也需要向同事確認資料的背景與使用方式。

對數據團隊而言，這容易產生重複溝通與交接成本。即使找到資料，如果缺少當時的業務脈絡，也不容易判斷是否適用於目前的問題。

我以 Data Machi 探索數據團隊 AI 分身的概念，將企業知識與分析工作流程整合至單一對話入口。使用者提出問題後，由 AI 協調查詢流程，選擇相關工具與資料來源，再整合查詢結果。

專案架構結合 RAG、Tool Use 與 LangGraph，並依照資訊類型設計不同的工具分工：

在這個專案中，我關注的是如何把業務問題轉化為 AI 可以處理的工作流程。不同工具各自負責明確的任務，而 Coordinator 負責判斷需要哪些資訊，以及如何組合查詢結果。

例如，文件檢索負責找到相關段落；但是否需要再查詢試算表、補充專案背景，則需要在工作流程中進一步判斷。這樣的分工，也讓後續新增資料來源與工具時，有較清楚的擴充方式。

Data Machi 是我將數據分析、業務需求理解與生成式 AI 結合的一項實作探索。我希望透過這個專案，逐步保留數據團隊的知識與分析脈絡，讓使用者更容易取得資訊，也讓團隊累積的經驗能持續被運用。

後續將以實際工作情境驗證回答品質與流程可靠性，觀察 AI 是否能正確理解指標、找到適用的資料，並在資訊不足時提出需要釐清的問題。