Metapodaci i prilagođena polja
Na ovoj stranici
Kontekst koji dokument ne nosi
Tehničko izvješće ne sadrži uvijek u samom tekstu ime autora, godinu nastanka ili razinu povjerljivosti. Ipak, upravo ti detalji čine razliku između pretraživanja koje pronalazi pravi dokument i onoga koje vraća tri nebitna rezultata. Sustav metapodataka kolekcije služi upravo toj svrsi: povezivanju strukturiranih informacija sa svakim dokumentom koje pretraživanje može iskoristiti, a ti filtrirati.
Povezivanje polja s dokumentom
Prilikom dodavanja dokumenta, parametar fields prihvaća parove ključ-vrijednost koje slobodno definiraš:
await client.collections.upload_document(
collection_id=collection_id,
name="technical-report-q1",
data=pdf_content,
fields={
"author": "Marie Dupont",
"year": "2026",
"department": "R&D",
"document_type": "report",
"confidentiality": "internal"
}
)
Na ovoj razini ne nameće se nikakva shema: imena polja biraš sam. Ta sloboda djeluje ugodno kod prvog dokumenta, ali postaje problem kod stotog, kada u istoj kolekciji istovremeno postoje author, auteur i Author, a nijedan filtar ne radi.
Postavljanje pravila na razini kolekcije
Ovdje nastupaju field_definitions, deklarirane na razini kolekcije. One pretvaraju usmeni dogovor u ograničenje koje API provjerava. Postoje tri postavke:
| Postavka | Učinak |
|---|---|
required: true | Svaki dokument mora sadržavati ovaj metapodatak |
unique: true | Dva dokumenta ne mogu dijeliti istu vrijednost |
inject_into_chunk: true | Metapodatak se dodaje u indeksirani sadržaj |
Definicija kombinira ove postavke polje po polje:
{
"field_definitions": [
{
"name": "author",
"required": true,
"inject_into_chunk": true
},
{
"name": "document_id",
"required": true,
"unique": true
},
{
"name": "year",
"required": false,
"inject_into_chunk": true
}
]
}
Ovaj primjer čitaj kao politiku za dokumente: svaki dokument ima autora i ID, taj ID pripada samo jednom dokumentu – što blokira duplikate pri unosu – dok godina ostaje opcionalna kako bi se izbjeglo odbacivanje nedatiranih stavki.
Opcija koja mijenja relevantnost
Od ove tri postavke, samo inject_into_chunk utječe na kvalitetu odgovora i zaslužuje detaljniji pogled. Tijekom indeksiranja, dokument se dijeli na fragmente – chunkove – a omogućivanjem ove opcije vrijednost polja kopira se u svaki od njih.
Konkretno, uz author: "Marie Dupont" i inject_into_chunk: true, svaki indeksirani chunk nosi to ime. Pitanje poput „Što je Marie Dupont napisala o kašnjenju u mreži?“ tada ima šanse pogoditi cilj, jer se ime pojavljuje u pretraživanom sadržaju. Bez injektiranja, isto se pitanje oslanja samo na tekst izvješća, gdje se autor možda pojavljuje samo na naslovnici.
Stoga omogući injektiranje za polja koja nose kontekst – autor, odjel, godina, kategorija – a ostavi ga onemogućenim za administrativna polja poput internog ID-a, datuma prijenosa ili statusa validacije, koja bi samo dodala šum.
Tri provjerene sheme
Korisni metapodaci ne izmišljaju se u apstrakciji: proizlaze iz pitanja koja se postavljaju bazi podataka. Baza tehničke dokumentacije organizira se oko proizvoda i verzije, jer je prvo pitanje korisnika gotovo uvijek „koja verzija?“:
{
"fields": {
"product": "Grok API",
"version": "v1",
"type": "reference",
"language": "en"
}
}
Baza znanja za ljudske potencijale, s druge strane, razmišlja po kategorijama i datumu stupanja na snagu, jer je pogrešan odgovor tamo najčešće ukinuta politika:
{
"fields": {
"category": "hr-policy",
"effective_date": "2026-01-01",
"department": "all",
"status": "active"
}
}
Konačno, pravna baza strukturira se oko strana, vrste ugovora i isteka, što ti omogućuje da jednim upitom izvučeš ugovore kojima se bliži istek:
{
"fields": {
"contract_type": "vendor",
"party": "Acme Corp",
"expiration": "2027-06-30",
"jurisdiction": "France"
}
}
Održavanje dosljedne sheme
Dosljednost se uvijek gubi na iste načine, a nekoliko navika dovoljno je za njezino održavanje. Standardiziraj formate imena polja – snake_case, na engleskom, bez miješanja jezika. Ograniči njihov broj: pet do deset polja pokriva većinu potreba; iznad toga, troškovi održavanja nadmašuju dobitke u relevantnosti. Rukuj opcijom inject_into_chunk s razboritošću, jer svako injektirano polje povećava veličinu chunkova, a time i troškove pohrane. Naposljetku, dokumentiraj očekivanu shemu za svaku kolekciju u datoteci dostupnoj cijelom timu: kada je više ljudi hrani, ta datoteka, a ne creatorovo sjećanje, jamči dosljednost.
Ključne točke
fieldspovezuje metapodatke u obliku parova ključ-vrijednost sa svakim dokumentomfield_definitionsna razini kolekcije definiraju pravila: required, unique, inject_into_chunk- Opcija
inject_into_chunkpoboljšava relevantnost pretraživanja dodavanjem metapodataka u indeksirani sadržaj - Standardiziraj svoje sheme metapodataka kako bi održao dosljednost kolekcije