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？

]]>https://localaihub.com/topic/54/metadata-到底放多少-放多了会不会拖慢检索RSS for NodeWed, 03 Jun 2026 19:29:16 GMTSat, 02 May 2026 13:57:00 GMT60这个思路对。metadata 是检索和治理的桥，不是垃圾桶。

]]>https://localaihub.com/post/93https://localaihub.com/post/93Sun, 03 May 2026 13:11:00 GMT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。

]]>https://localaihub.com/post/92https://localaihub.com/post/92Sun, 03 May 2026 11:57:00 GMT还有 hash。后面做增量更新，没有 hash 会很痛。

]]>https://localaihub.com/post/91https://localaihub.com/post/91Sun, 03 May 2026 09:28:00 GMT我建议最小集：doc_id、chunk_id、title_path、page、section、mtime、acl、source_url。其他先别急。

]]>https://localaihub.com/post/90https://localaihub.com/post/90Sun, 03 May 2026 07:31:00 GMT能帮忙，但别当唯一来源。抽错一次，后面全链路都会信它。

]]>https://localaihub.com/post/89https://localaihub.com/post/89Sun, 03 May 2026 05:28:00 GMTmetadata extractor 自动抽摘要靠谱吗？

]]>https://localaihub.com/post/88https://localaihub.com/post/88Sun, 03 May 2026 02:56:00 GMT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。

]]>https://localaihub.com/post/87https://localaihub.com/post/87Sun, 03 May 2026 00:11:00 GMT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。

]]>https://localaihub.com/post/86https://localaihub.com/post/86Sat, 02 May 2026 22:48:00 GMT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。

]]>https://localaihub.com/post/85https://localaihub.com/post/85Sat, 02 May 2026 21:50:00 GMTmetadata 放进 embedding 文本吗？比如标题和正文一起 embed。

]]>https://localaihub.com/post/84https://localaihub.com/post/84Sat, 02 May 2026 21:34:00 GMT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。

]]>https://localaihub.com/post/83https://localaihub.com/post/83Sat, 02 May 2026 21:17:00 GMT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。

]]>https://localaihub.com/post/82https://localaihub.com/post/82Sat, 02 May 2026 18:47:00 GMTpath 和页码一定要有，不然用户问出处时很难回到原文。

]]>https://localaihub.com/post/81https://localaihub.com/post/81Sat, 02 May 2026 18:18:00 GMT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。

]]>https://localaihub.com/post/80https://localaihub.com/post/80Sat, 02 May 2026 15:54:00 GMT