3.5 資料塊的元資料（metadata）關聯

只有一段文字和它的向量還不夠。每一塊還需要附上一些描述它的資訊，叫做 metadata（元資料），也就是「關於資料的資料」。

metadata 有什麼用

1. 標出來源

模型回答時，可以說明「根據《員工手冊》第 12 頁」。這需要每一塊都記得自己的來源。第 4 章的來源歸屬就是靠它。

2. 過濾搜尋範圍

使用者可以限定「只看 2025 年以後的文件」「只找人資部的資料」。有了 metadata，檢索時可以先縮小範圍，再做相似度搜尋，結果更準也更快。

3. 權限控制

在每一塊標上「誰可以看」，檢索時只搜尋該使用者有權限的資料，沒有權限的內容完全不會被找出來。

4. 管理資料

知道每一塊來自哪份文件，當文件更新或刪除時，才能找到並更新對應的所有塊（3.6 會用到）。

5. 補充上下文

標題路徑這類 metadata，也可以放進塊的內容裡，讓檢索更準。

常見的 metadata

欄位	範例	用途
source	employee-handbook.pdf	標出處、管理更新
page	12	標出處，方便使用者回去對照
headings	員工手冊 > 特別休假	標出章節，也能幫助檢索
date	2026-01-15	過濾新舊、判斷資料是否過期
author / department	人資部	過濾、權限
type	規章 / FAQ / 公告	過濾文件類型
chunk_index	3	知道它是第幾塊，可以找前後塊
access	all / hr-only	權限控制

一塊資料的完整樣子，大概是：

{
    "id": "handbook-0",
    "text": "員工在同一公司服務滿六個月未滿一年者，每年有三天特別休假……",
    "metadata": {
        "source": "員工手冊.md",
        "headings": "員工手冊 > 特別休假",
        "date": "2026-01-15",
        "access": "all",
    },
}

把標題放進內容

還有一個很實用的技巧：把標題路徑直接加在塊的文字開頭再去做嵌入。

員工手冊 > 特別休假
員工在同一公司服務滿六個月未滿一年者，每年有三天特別休假……

原因是：塊的內文常常只講「滿六個月有三天」，沒提到「這是什麼的規定」。加上標題之後，向量就更能代表這一塊的主題，使用者問「特休假幾天」時比較容易找到。

設計 metadata 的原則

• 一開始就想好：之後要補 metadata，得把整個知識庫重新處理一遍。想想未來會需要依什麼過濾、要標什麼出處。
• 欄位名稱和格式統一：日期都用同一種格式，部門名稱不要一下用中文一下用英文，否則過濾會漏資料。
• 只放需要的：metadata 也要存、也要搜尋，欄位太多反而增加成本。
• 不要放敏感資料：metadata 常常會被顯示或記錄在日誌裡。
• 權限要在載入時就標好：不要寄望之後再補，漏了就是資料外洩的風險。

注意　不同的向量資料庫對 metadata 的型態和過濾功能支援不一樣，例如有的只支援簡單的相等比對。選擇資料庫時（2.6）要一併確認。