元数据过滤是什么
元数据过滤把可枚举的筛选条件（产品线、版本、语言、密级、生效日期）随着片段一起写进向量库的 payload 或标量字段，检索时先按条件缩小范围再算距离。它解决两类问题：多版本文档混检导致答非所问，以及无关领域文档挤占候选位。要让过滤真正加速，高频过滤字段必须建索引，否则过滤只能退化成逐条扫描，延迟不降反升。
基本信息
| 承载位置 | Qdrant 的 payload、Milvus 的标量字段、pgvector 的普通列 |
|---|---|
| 过滤索引 | 高频字段建 payload 索引或标量索引 |
| 过滤下推 | 支持在向量检索前先做条件筛选可减少扫描量 |
| 字段设计 | 短、可枚举、基数可控，长文本不要放进来 |
| 组合方式 | 等值、范围（日期）、集合包含（in） |
典型使用场景
- 多版本并存的技术文档：按 version 过滤，只检索当前生效版本
- 多租户隔离：按 tenant 过滤，防止跨租户内容互相召回
- 权限控制：按密级与部门过滤，避免越权内容进入上下文
- 时间敏感问答：按生效日期过滤，排除已废止条款
- 提高精度：按语言或产品线过滤，减少跨领域噪声候选
写入带元数据的片段
写入带元数据的片段
store.upsert([{
'id': 'doc-101#chunk-3', 'vector': vec,
'payload': {'product': 'router-A', 'version': 'v2.3',
'lang': 'zh', 'updated': '2026-08-01', 'tenant': 't-42'}}])查询时过滤
查询时过滤
hits = store.search(q_vec, top_k=10,
filter={'product': 'router-A', 'version': 'v2.3'})
# 过滤字段必须与写入时的大小写、格式完全一致，否则筛出空集字段设计建议
| 字段 | 类型 | 注意事项 |
|---|---|---|
| product / version | 短字符串 | 与源系统取值域对齐，避免同义写法 |
| tenant | 短字符串或整型 | 必须过滤，不能依赖应用层事后剔除 |
| updated | 日期 | 范围过滤，注意时区与格式统一 |
| 密级 | 枚举 | 取值域收窄，别名会造成越权 |
能被过滤的内容就等于能被枚举：密级、租户这类字段的取值域要严格控制，字段值写错会直接造成越权检索，比性能问题严重得多。