Metadata Filtering 中繼資料過濾是什麼？先篩範圍再比語意

知識庫做好了，但同事問今年的請假規定，系統卻撈出去年那份。兩份文件講的幾乎一樣，向量分不出來哪份比較新。

這時候要加的不是更強的模型，而是中繼資料過濾。它負責的是語意管不到的那一半。

定義

Metadata Filtering 中文叫中繼資料過濾。中繼資料指的是描述這份文件本身的資訊，例如它是誰寫的、什麼時候寫的、屬於哪個部門、是第幾版。

過濾的意思是：檢索時先用這些欄位把候選範圍縮小，再對剩下的內容做語意相似度比對。順序很重要，先篩再比，不是比完再說。

白話比喻

在圖書館找書時，你不會從一樓開始逐架翻。你會先走到正確的樓層與分類區，再在那一區裡找。

中繼資料就是那些樓層與分類標示。沒有它，語意檢索得在整棟樓裡找，又慢又容易撈到不相干的東西。

常用的欄位

兩種做法

第一種是先篩再比對。先用條件把不符合的排除，再對剩下的做相似度計算，結果最準確，多數向量資料庫都支援。缺點是條件下太緊時可能篩到沒東西可比。

第二種是先比對再篩。先取出相似度最高的一批，再把不符條件的丟掉，實作簡單，但常常篩完數量不夠，得回頭多取幾筆。實務上優先選第一種。

實際用例

企業知識庫最常見的兩個用途是權限隔離與版本控管。權限必須靠欄位硬篩，絕對不能寄望模型自己判斷「這個人不該看到這份」。版本則是靠日期與狀態欄位，只讓現行版本進入候選。

整條檢索路徑是這樣的：文件切片後做 Embedding 語意向量 存進向量資料庫，查詢時先用中繼資料篩範圍、再比語意，最後把找到的段落連同出處回給使用者，也就是 Citation 引用來源 那一步。