RAG 元数据过滤：字段设计、条件提取与验证

根据机器转写整理，未经原音、画面或产品文档核对。本文介绍讲者的检索设计思路；平台具体版本及实验数字未验证。

语义相似不一定满足业务条件

在多产品线、多版本的知识库中，不同手册可能描述相似问题。用户查某一型号的配置时，语义相似的另一型号文档也可能进入候选；未审核草稿或过期版本也可能影响答案。切分和向量检索解决的是内容组织与相似性问题，仍需要明确表达型号、文档状态或版本等确定性条件。

从需要过滤的条件设计字段

讲者建议从实际查询倒推元数据，例如文档类型、产品线、状态、版本和来源。字段的取值及数据类型需要统一：型号多一个空格、数字被当成字符串，均可能使预期条件无法匹配。元数据也可帮助排查结果来自哪个文档、产品线和版本；它本身的正确性取决于录入和维护。

检索时可以先按条件缩小范围，再对满足条件的候选进行相似性检索。过滤发生的具体位置与行为取决于实现：过滤后的候选不足时，结果不一定填满预设数量；没有符合条件的数据时，零结果也可能是正确结果。

条件从哪里来

过滤条件可由上游意图识别或参数提取提供，再传给检索。上游判断出错会直接影响过滤，用户未说明产品线时，可根据业务要求追问或使用明确的默认策略。讲者比较了人工配置条件与模型生成条件的做法；具体稳定性应在自己的任务中评测，不能认定某种模式始终更好。

验证过滤行为

准备有明确预期的测试查询，覆盖不同产品线、文档类型和版本。对于已知应有结果的样本，检查是否发生异常空结果；同时检查每个返回结果的元数据是否符合条件。对预期无匹配的查询，也要确认系统能正确返回空结果，而不是强行补入不符合条件的材料。索引字段、枚举与数据录入规则都需要持续维护。