Databricks 推出 Lakeflow Connect 整合生產力與 AI 資料

背景

企業生產力與協作工具（如文件、工單、郵件）蘊含大量知識，但過去這些資料分散在數十個獨立應用程式中，需透過客製化的 API（應用程式介面，讓不同軟體互相溝通的規則）整合，維護成本高且形成資料孤島。Databricks 推出 Lakeflow Connect，旨在解決此問題，將這些分散的資料統一匯入受治理的基礎設施，以驅動 AI 代理（AI agents，能自主執行任務的軟體）與 Genie 分析。 Databricks Blog

發生什麼事

Databricks 於 2026 年 10 月 26 日發布 Lakeflow Connect，提供全託管的原生連接器，涵蓋 Atlassian（Jira、Confluence）、Microsoft（SharePoint）、Google Workspace（Drive、Outlook、Gmail）、GitHub 以及主要 AI 供應商（OpenAI、Anthropic）。這些連接器可透過點擊式介面或 API 設定，將資料增量匯入 Databricks Platform 的 Unity Catalog（Databricks 的資料治理目錄），使用者無需管理基礎設施。 Databricks Blog

重點內容

Lakeflow Connect 針對不同來源提供特定的資料處理方式。對於非結構化內容，SharePoint 與 Google Drive 連接器會將 PDF、Word 文件、簡報及圖片等原始位元組（raw bytes）存入內容欄位（content column），每份檔案佔一列，並保留檔案層級的中繼資料；結構化檔案（如 Excel、CSV）則直接匯入為 Delta 表格。Confluence 連接器將頁面與部落格文章內容以 STRUCT 型別存入 body 欄位。Outlook 連接器將郵件正文存為文字字串，附件則以 BINARY 型別存入 email_messages 表格；Gmail 連接器則將郵件正文存為文字字串，附件僅儲存 attachmentId 參考。GitHub 連接器將原始碼、Markdown 與設定檔等文字檔案存入 repo_contents 表格的 content 欄位。 Databricks Blog

匯入 Unity Catalog 後，資料可進一步處理以支援 AI 應用。文字內容（如 Confluence 頁面、郵件正文、GitHub 原始碼）經輕度清理後即可進行分塊（chunking）與嵌入（embedding）。若為原始位元組格式的文件（如 SharePoint/Google Drive 檔案或 Outlook 附件），則需先透過 Databricks 內建的 ai_parse_document 文件智慧功能轉換為文字。這些處理後的文字可用於建立檢索索引，供 AI 代理使用。 原文

對使用者的意義

資料團隊可利用此功能建立企業知識庫、AI 代理及開發者生產力儀表板，無需自行建置或維護客製化資料管線。Toyota Finance Australia 使用 Jira 連接器建立零維護管線，自動處理 API 複雜性與結構變更，將資料轉為可分析的 Delta 表格。VaxCare 使用 Confluence 連接器將內部知識庫匯入 Databricks，以支撐其聊天機器人與未來 AI 解決方案。M3 Accounting 則結合 GitHub 與 SharePoint 連接器，每週節省約一小時，並在一週內讓內部知識助理存取即時內容。 Databricks Blog