企业知识库的最小元数据字段集

企业知识库的元数据，指的是附着在每条内容上、用来判断它能不能被使用的那组信息。它不参与相关性计算，却决定了相关性是否有意义 —— 一条内容即便高度相关，如果已过期、超出访问范围或无从确认，也不该被拿来回答

为什么元数据决定检索质量

没有元数据时，检索只能按文本相似度排序。这意味着过期材料与新版本可以同时出现在候选里，不该看到的人也能看到相关内容。相关性解决的是像不像，而企业场景真正要回答的是能不能用。

最小字段集：四个

• 来源：这条内容从哪来，谁发布的，原文在哪里。
• 时效：从什么时候有效，到什么时候失效，当前是第几版。
• 密级：谁能看，属于哪个访问级别。
• 责任人：这条内容由谁负责维护，口径问题找谁确认。

四个字段对应四个问题：可信吗、还有效吗、谁能看、找谁确认。它们都不依赖模型能力，却直接决定答案能不能被当作依据使用。

字段一：来源

• 记录发布主体：是正式制度、内部通知，还是个人整理的材料，可信度不同。
• 保留原文位置：能回溯到源文档与具体章节，使用者才能自行核对。
• 区分转述与原文：二次整理的摘要与原始文件应当分别标注，避免引用错层级。

字段二：时效

• 生效与失效时间：到期的内容自动退出检索范围，而不是继续参与排序。
• 版本号：同一主题的多个版本并存时，能明确哪一份有效。
• 更新触发条件：写明什么时候需要复核，例如年度调整或法规变化。

字段三：密级

• 访问级别：按企业内部的数据分级设定，而不是按部门名称。
• 适用范围：公司内同名不同物的情况，要标出这条内容属于哪个业务范围。
• 过滤时机：密级过滤应当发生在检索阶段，事后过滤等于答案已经泄漏。

字段四：责任人

• 内容责任人：负责内容准确性，回答与更新由他确认。
• 口径责任人：涉及对外表述时，需要指定一个统一口径的确认方。
• 交接记录：人员变动时责任人字段必须同步，否则该字段会迅速失效。

与检索的关系

元数据在检索链路里充当过滤条件。过滤放在检索阶段还是排序之后，结果明显不同：前者会缩小候选集，可能降低召回但不会越权；后者保留召回但存在泄漏风险。企业场景通常选择前者，并接受由此带来的覆盖率损失。

怎么补齐存量内容

• 按来源批量推断：同一系统导出的内容，来源与密级往往可以整体设定。
• 按文档类型设定时效默认值：制度类按年度复核，说明类随版本走。
• 责任人按归口分配：先落到部门，再逐条细化到人。
• 缺字段的内容先降权：无法判断能不能用的内容，不应与其他内容同等参与排序。
• 归档内容单独处理：已归档的材料默认不进入检索范围，需要时再按申请调取。

验收

• 每条内容都能查到来源、时效、密级与责任人四项中的有效值。
• 过期内容不会出现在检索结果里，验证方式是取一条已过期内容实测。
• 密级过滤发生在检索阶段，存在被拦下的真实请求记录。
• 抽查若干条内容，责任人字段仍然有效，没有停留在已离职人员名下。