台湾省网站建设_网站建设公司_外包开发_seo优化

目标：将企业文档源（Confluence、飞书文档、Notion 等）接入本地检索与聊天系统，覆盖数据同步、清洗切分、向量化、权限隔离、增量与监控。

1. 总体思路

• 同步文档 → 格式化 → 清洗切分 → 向量化入库 → 检索 + 权限过滤 → 聊天/RAG。
• 关键：增量同步、租户/权限映射、脏数据清理、回滚。

2. 数据同步

• Confluence：REST API 导出页面；支持增量（lastModified）；
• Feishu Docs：OpenAPI 拉取文档/块；需租户/应用凭证；
• Notion：API 查询数据库/页面；分页与更新时间戳；
• 统一存储：原文 + 元数据（doc_id、space、owner、last_modified、permissions）。

3. 清洗与格式化

• 去除导航/目录/模板文本；
• 保留标题层级；表格转 Markdown/CSV；
• 处理图片/附件：提取 alt/描述，必要时 OCR；
• 编码统一 UTF-8，语言标记。