客戶背景
某跨國學名藥廠，在亞太地區有多個研發據點，累積了超過 20 年的研發實驗紀錄、臨床試驗數據、法規送件文件與製程優化報告。
這些知識分散在：電子郵件附件、內部 SharePoint、舊版 LIMS、紙本掃描、以及幾位資深研究員的個人電腦裡。
問題：知識在孤島裡，新進人員從零開始
每當一位資深研究員離職或退休，接替者往往要花 6–12 個月才能「追上狀況」。即使在職，研究員也常面臨：
- 已知某個實驗三年前做過，但找不到那份報告
- 需要了解某個化合物的歷史穩定性數據，但不知道在哪個系統裡
- 準備法規送件數據，每次都要重新從頭整理曾經整理過的知識
我們做了什麼
以 LowsiteOS 的 RAG（Retrieval-Augmented Generation）知識層為核心，建立一個只在廠內運作、且可用自然語言查詢的私有知識庫。
第一階段 — 文件盤點與清洗
梳理 20 年的文件庫：識別重要來源、建立文件分類與版本策略、設定機密等級的存取權限。這個階段由客戶的資訊與法規部門主導，MICH 負責工具和流程框架。
第二階段 — 向量索引建立
所有文件透過 LowsiteOS 的文件解析器在地端完成 OCR、結構化切分與向量嵌入，建立私有向量數據庫。整個過程不需要網路連線，不呼叫任何第三方 API。
第三階段 — 查詢介面上線
研究員透過網頁介面提出自然語言問題。系統回傳整合性回答，並附上每個引用段落的原始文件連結與頁碼，確保每個答案都可被回溯查核。
