3.3 Metadata 设计

前两节主要讨论的是 chunk 本身。这一节要继续往前走一步：当 chunk 被切出来以后，系统到底还需要知道关于这个 chunk 的哪些信息？

答案就是 metadata。

很多人第一次做 RAG，会把 metadata 理解成“顺手带几个字段”。但真正做到检索、过滤、权限、更新和治理时，很快就会发现：metadata 不是附属信息，而是让 chunk 真正变成“可检索、可过滤、可追溯知识对象”的关键一层。

这一节真正想帮你建立的，是一个非常重要的认识：

很多看起来像检索不准、过滤不稳、引用不清的问题，本质上经常不是模型问题，而是 metadata 设计没有做完整。

学这一节时，最值得先建立的判断

• metadata 不是“额外说明”，而是系统理解 chunk 边界、来源和治理条件的基础
• 文本负责表达“说了什么”，metadata 负责表达“它是谁、从哪来、什么时候有效、谁能用”
• 没有 metadata，很多过滤、排序、聚合、引用和治理能力都很难稳定做出来
• metadata 设计不是字段越多越好，而是要和检索、过滤、更新、权限这些真实需求对应起来

这一节会回答什么问题

• 什么是元数据（Metadata）？
• 为什么 Metadata 对 RAG 很重要？
• 常见的 Metadata 有哪些？
• Metadata Filter 在检索阶段怎么用？
• 为什么很多企业 RAG 效果差，本质上是 Metadata 设计不完整？

读完这一节后，你最好能更稳地判断：

• 一个 chunk 除了文本本身，还应该带哪些关键信息
• 当前系统的问题更像是文本问题，还是 metadata 问题
• metadata 应该在哪些阶段真正进入检索和回答链路