我的實作主軸逐步從 SAP 與桌面自動化,延伸到企業文件問答及 AI Agent 工作流程。這篇整理 2021–2025 年的 13 篇技術文章,保留成果、限制與可延續的經驗。
早期以 Java、Python 與 SAP VM 環境累積整合經驗,再透過 PyRFC 串接 SAP。實務重點是 Python、PyRFC 與 SAP NetWeaver RFC SDK 的版本及 DLL 載入相容性;桌面操作則以 Python UI Automation 補足既有系統介面。
遇到傳統 RFC_READ_TABLE 的 512 長度資料列限制時,採分欄查詢再合併。合併應帶入完整主鍵並核對資料一致性,避免依列順序拼接。這些整合經驗,也是後續將 SAP 能力封裝成 Agent 工具的基礎。
2021–2023 年專案集中在 SAP、MES 與文管流程。以下數字來自原文引用的使用單位專案簡報,保留各自計算單位:
| 專案 | 原文記錄效益 |
|---|---|
| MES 交期預估 | 每人每月節省 11 小時 |
| ISO 文管自動刪除 | 每人每月節省 6 小時 |
| A 廠 MES 生產排程 | 每日節省 125 分鐘 |
| B 廠 MES 生產排程 | 每日節省 125 分鐘 |
導入時先確認 SOP、需求窗口與排程,再處理分支及異常。2025 年初已完成 SAP 訂單上傳、寄銷數據更新及清帳相關機器人,涵蓋 VL01N、VF01、F-04。
2023 年以句向量模型將 CSV 問題轉成向量,依相似度取回既有答案。這是語意檢索,當時未使用 LLM,也沒有進行模型微調。
2024 年進一步以 API 實作本地文件問答,以內部部署與來源引用為方向。RAG(Retrieval-Augmented Generation,檢索增強生成)讓回答結合文件內容;要投入企業流程,還需要驗證檢索品質、回答依據與存取範圍。
2025 年的設計轉向混合流程:n8n 負責編排,UiPath 執行桌面任務,Python 串接 API;LLM/OCR 處理文字與影像,再交由規則或人員確認。
PaddleOCR 客製化與 API 封裝已完成。原文記錄中英數辨識約 97%、英數約 99%,但未列測試集規模,因此只能視為當時測試結果。辨識錯字及關鍵欄位仍需校驗,不能推論為所有文件皆可全自動處理。
當時規劃以 AI 組件改善異常判斷,並安排教育訓練與上線;原文未提供後續驗收紀錄。可延續的原則是:讓 Agent 理解需求與選擇工具,讓明確的介面、規則與人員承接執行及例外處理。