Drive 文档分析与智能搜索

Google Drive 里堆了几千个文档？Claude 能帮你从混乱的知识库中快速找到答案——前提是建立正确的索引和提取流程。

Drive 知识库架构

Drive 文档分析工具

"""
Google Drive 文档分析与知识库构建
（实际使用需要 Google Drive API 授权）
"""
from dataclasses import dataclass, field
from pathlib import Path
import json
@dataclass
class DriveDocument:
"""Google Drive 文档"""
file_id: str
name: str
mime_type: str
content: str
last_modified: str
owner: str
folder_path: str
size_bytes: int
tags: list[str] = field(default_factory=list)
summary: str = ""
@dataclass
class KnowledgeChunk:
"""知识库分块"""
doc_id: str
doc_name: str
chunk_index: int
content: str
token_estimate: int
class DriveKnowledgeBuilder:
"""Drive 知识库构建器"""
MAX_CHUNK_TOKENS = 2000       # 每块最大 token 数（估算：1 token ≈ 4 字符）
MAX_CONTEXT_FOR_CLAUDE = 180000  # Claude 200K 上下文留余量
@classmethod
def chunk_document(cls, doc: DriveDocument) -> list[KnowledgeChunk]:
"""将文档分块，保持段落完整性"""
paragraphs = [p.strip() for p in doc.content.split('\n\n') if p.strip()]
chunks: list[KnowledgeChunk] = []
current_chunk = []
current_tokens = 0
chunk_idx = 0
for para in paragraphs:
para_tokens = len(para) // 4
if current_tokens + para_tokens > cls.MAX_CHUNK_TOKENS and current_chunk:
chunks.append(KnowledgeChunk(
doc_id=doc.file_id,
doc_name=doc.name,
chunk_index=chunk_idx,
content='\n\n'.join(current_chunk),
token_estimate=current_tokens,
))
current_chunk = [para]
current_tokens = para_tokens
chunk_idx += 1
else:
current_chunk.append(para)
current_tokens += para_tokens
if current_chunk:
chunks.append(KnowledgeChunk(
doc_id=doc.file_id,
doc_name=doc.name,
chunk_index=chunk_idx,
content='\n\n'.join(current_chunk),
token_estimate=current_tokens,
))
return chunks
@classmethod
def build_claude_project_docs(
cls,
documents: list[DriveDocument],
max_total_tokens: int = 50000,
) -> dict:
"""
选择最重要的文档内容，构建 Claude Project 知识库
返回可以上传到 Claude Project 的内容
"""
# 按修改时间排序（最近的优先）
sorted_docs = sorted(documents, key=lambda d: d.last_modified, reverse=True)
selected_content = []
total_tokens = 0
included_docs = []
skipped_docs = []
for doc in sorted_docs:
chunks = cls.chunk_document(doc)
doc_tokens = sum(c.token_estimate for c in chunks)
if total_tokens + doc_tokens <= max_total_tokens:
selected_content.extend(chunks)
total_tokens += doc_tokens
included_docs.append(doc.name)
else:
skipped_docs.append(f"{doc.name} ({doc_tokens} tokens，超出预算)")
return {
"total_chunks": len(selected_content),
"total_tokens_estimate": total_tokens,
"included_documents": included_docs,
"skipped_documents": skipped_docs,
"content": selected_content,
}
@staticmethod
def generate_drive_index(documents: list[DriveDocument]) -> str:
"""生成 Drive 文档索引（上传到 Claude Project 作为导航）"""
lines = [
"# Google Drive 知识库索引",
f"共 {len(documents)} 个文档\n",
"## 文档列表\n",
]
by_folder: dict[str, list[DriveDocument]] = {}
for doc in documents:
folder = doc.folder_path or "根目录"
by_folder.setdefault(folder, []).append(doc)
for folder, docs in sorted(by_folder.items()):
lines.append(f"### {folder}")
for doc in sorted(docs, key=lambda d: d.name):
lines.append(f"- **{doc.name}** (修改于 {doc.last_modified})")
if doc.summary:
lines.append(f"  摘要: {doc.summary}")
lines.append("")
return "\n".join(lines)
class DriveSearchStrategy:
"""Drive 智能搜索策略"""
SEARCH_PROMPTS = {
"跨文档问答": """
基于以下文档内容回答问题：
问题：$question
相关文档：
$documents
要求：
1. 直接回答问题（不要说"根据文档..."）
2. 引用来源：回答后注明出处（文档名 + 大致位置）
3. 如果文档中没有答案，明确说明而非猜测
4. 如果不同文档有矛盾，指出矛盾并说明""",
"文档摘要批处理": """
为以下文档生成 50 字以内的摘要（用于构建知识索引）：
文档名：$doc_name
文档内容（前500字）：
$content
摘要要求：
- 一句话说明文档是什么
- 包含关键时间节点（如有）
- 列出 2-3 个核心主题词""",
"知识差距分析": """
分析以下知识库，找出重要但缺失的内容领域：
现有文档列表：
$doc_list
业务上下文：$business_context
请识别：
1. 已有充分覆盖的领域
2. 覆盖不足的领域（重要但文档少）
3. 建议优先补充的 3 个文档类型""",
}
@classmethod
def get_prompt(cls, strategy: str, **kwargs) -> str:
template = cls.SEARCH_PROMPTS.get(strategy, "")
for key, value in kwargs.items():
template = template.replace(f"${key}", str(value))
return template
# 演示
sample_docs = [
DriveDocument(
"abc123", "Q1 产品路线图 2026.docx",
"application/vnd.openxmlformats-officedocument.wordprocessingml.document",
"## Q1 重点目标\n\n本季度核心目标是完成支付系统重构...\n\n## 功能优先级\n\nP0: 支付稳定性提升\nP1: 用户认证升级\nP2: 报表优化",
"2026-03-15", "pm@company.com", "产品/路线图",
45000, ["产品", "路线图", "Q1"],
"Q1 产品路线图，聚焦支付重构和认证升级"
),
DriveDocument(
"def456", "技术架构决策记录 2025.docx",
"application/vnd.openxmlformats-officedocument.wordprocessingml.document",
"## ADR-001: 微服务拆分策略\n\n背景：单体应用已难以维护...\n\n## ADR-002: 数据库选型\n\n决定使用 PostgreSQL + Redis 组合...",
"2025-12-01", "cto@company.com", "技术/架构",
78000, ["架构", "ADR", "技术决策"],
"技术架构决策记录，包含微服务和数据库选型决策"
),
]
builder = DriveKnowledgeBuilder()
result = builder.build_claude_project_docs(sample_docs, max_total_tokens=30000)
print("=== Drive 知识库构建结果 ===")
print(f"  总块数: {result['total_chunks']}")
print(f"  估算 Tokens: {result['total_tokens_estimate']:,}")
print(f"  已纳入文档: {result['included_documents']}")
print("\n=== Drive 文档索引 ===")
print(builder.generate_drive_index(sample_docs))
print("\n=== 跨文档问答提示词示例 ===")
prompt = DriveSearchStrategy.get_prompt(
"跨文档问答",
question="Q1 最高优先级的功能是什么？为什么这样决策？",
documents="[文档内容]",
)
print(prompt[:300] + "...")

Drive 文档管理最佳实践

行动清单

• [ ] 整理 Google Drive 文件夹结构：建立"部门/年度/项目"三层分类体系
• [ ] 挑选 5–10 个最常被团队引用的核心文档，摘要后上传到 Claude Project Knowledge Base
• [ ] 为每个核心文档生成 50 字摘要（用上方提示词），构建可快速导航的知识索引
• [ ] 建立"过时文档"处理流程：Drive 中超过 1 年未修改的文件定期归档或删除
• [ ] 用 Claude 跨文档问答替代"全公司搜索邮件"：把相关文档内容粘贴给 Claude，直接得到答案
• [ ] 季度检查 Drive 分享设置：确保无敏感文档被设置为"知道链接的人均可访问"

下一章：06-Telegram与WhatsApp机器人/01-Telegram-Bot与Claude-API — 把 Claude 变成随时待命的手机 AI 助理。