metadata 過濾：讓檢索先縮小範圍再比相似度

使用者問「2026 年的請假規定」，卻檢索到 2023 年的舊版辦法——這不是相似度的問題，是範圍的問題。

建索引時就要帶上 metadata

{
  "text": "……",
  "embedding": [...],
  "meta": {
    "doc_id": "hr-leave-2026",
    "effective_from": "2026-01-01",
    "deprecated": false,
    "dept": "hr",
    "lang": "zh-TW"
  }
}

三種常用過濾

• 時效：只搜生效中的版本，deprecated=false。
• 權限：依使用者部門或角色限制可見範圍，這是資安要求而非優化。
• 語言：避免中文問題檢索到英文原版文件。

過濾要在檢索端做

常見錯誤是先取 top-k 再用程式過濾——如果前 10 筆全被濾掉，就變成沒有結果。正確做法是把條件下推到向量資料庫，讓它在候選集合內做相似度比對。

# 錯：先搜再濾，可能全被濾光
hits = [h for h in search(q, top_k=10) if not h.meta['deprecated']]

# 對：條件下推
hits = search(q, top_k=10, filter={'deprecated': False, 'dept': user.dept})