首页/AI/RAG 与向量库速查/元数据过滤加速召回
本包目录(229 条)
架构与流程30 条解析与切分33 条
Embedding 与检索50 条
向量数据库49 条重排与生成32 条评估与优化35 条

元数据过滤加速召回

把可枚举的筛选条件(产品线、版本、语言、时间)写入元数据并建索引,可把向量检索限制在子集内:既减少无关候选,也缓解多版本文档混检造成的答非所问。

RAG 与向量库速查AI更新于 2026-10-12

写入带元数据的 payload

写入带元数据的 payload
store.upsert([
    {"id": "doc-101#chunk-3", "vector": vec,
     "payload": {"product": "router-A", "version": "v2.3",
                  "lang": "zh", "updated": "2026-08-01"}},
])

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"})
高频过滤字段建成 payload 索引,避免过滤退化成逐条扫描。

易错点

  • 元数据字段设计过细,查询组合爆炸导致过滤条件难以维护
  • 把长文本塞进元数据做过滤,索引膨胀且写入变慢

数据来源与参考

  • Qdrant 官方文档(Payload 与过滤索引)
  • Weaviate 官方文档(Metadata filters)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌