RAG Formation · 第 7 课 · 检索工程

元数据、过滤器与访问边界

区分有用的文档标签与企业聊天机器人真正需要的授权边界。

$ lesson --status
▸ course RAG Formation
▸ lesson 07 / 16
▸ phase 检索工程
▸ status 已完成
● build → measure → learn

独立课程

在这里学习完整课程并检验你的理解。

RAG Formation 的 16 节课程内容已完成。本页包含完整课程内容、本地参考资料和可直接在浏览器中完成的即时练习。

学完本课，你会在纸上做出一张“现状 / 待实现”的访问矩阵，而不会假装演示环境已经懂得如何授权角色。

目前，导入流程会给每份文档加上编号、公司、部门和文档类型标签。这些标签便于筛选，但其中任何一个都不是用户权限。

cd demo
python3 metadata_lab.py --output-dir reports/lesson-07-inventory

完成后，打开 lesson-07-metadata-inventory.md。整个过程离线运行，只读取合成语料定义，不调用 API，也不会接触索引。

角色	允许的部门 / 类型	状态	证据或缺口
员工	所属部门的程序	拟议	部门元数据已经存在，但还没有任何规则按用户所属部门过滤。
供应商	已批准的供应商文档	拟议	演示清单没有供应商角色，也没有标记文档是否面向供应商。
QA	质量程序和记录	元数据可用	部门和类型可以描述范围，但真正的授权仍必须在服务端强制执行。
审计员	只读的已批准范围	拟议	当前元数据完全没有表达只读角色或审计范围。

案例 A：提示词说“只回答 HR 问题”，但检索并不在意，仍然会从所有文档中取内容。缺少的是什么？

案例 B：文档带有部门元数据，但用户完全没有部门属性。这里诚实的状态是什么？

案例 C：供应商没有理由查看 QA 程序。负向测试实际需要证明什么？

一个答案即使逐字正确，只要来自用户无权查看的文档，就仍然是问题。对企业聊天机器人来说，“可靠”不仅是事实正确，还包括永远不越过这条边界。

下一步：第 8 课将讲查询处理和重排序。

如果对某个元数据字段、角色、过滤器或负向测试有疑问，尽管问我。 这门课我就是你的老师。