metadata 到底放多少，放多了会不会拖慢检索？

[橘子汽水]

我现在 metadata 里放了 path、title、部门、更新时间、权限组、页码，感觉有点臃肿。大家一般怎么取舍？

[阿白]

先分两类：检索过滤要用的，展示引用要用的。别把“可能以后有用”的都塞进去。

[MingK]

path 和页码一定要有，不然用户问出处时很难回到原文。

[小陈在改bug]

更新时间我觉得也要有，本地知识库最怕旧文件赢了新文件。

[leaf_1997]

权限组必须有，但别只存在 metadata 里。向量库过滤只是应用层的一环，原文下载也要校验。

[赵赵]

metadata 放进 embedding 文本吗？比如标题和正文一起 embed。

[nora]

标题可以拼进去，权限组别拼。用户问“财务制度”，标题是语义线索；权限是访问控制，不是语义。

[半糖]

我遇到过 title 拼太多导致召回偏题。文档标题叫“2024 新版员工手册”，里面很多块都被“员工手册”带偏。

[小路灯]

可以把 title 作为单独字段给 reranker 或 prompt，embedding 文本里只放当前标题链和正文，不放整条路径。

[小周]

metadata extractor 自动抽摘要靠谱吗？

[林小北]

能帮忙，但别当唯一来源。抽错一次，后面全链路都会信它。

[米饭]

我建议最小集：doc_id、chunk_id、title_path、page、section、mtime、acl、source_url。其他先别急。

[没起名字]

还有 hash。后面做增量更新，没有 hash 会很痛。

[橘子汽水]

收到。我准备把展示字段和过滤字段分开建，不再把 metadata 当万能袋子。

[阿白]

这个思路对。metadata 是检索和治理的桥，不是垃圾桶。