処理的には、以下の流れです。

①の構造化条件への変換は、LLMで行う場合もあれば、事前に用意した辞書を使って、質問文中に含まれる会社名、年度、文書種別などの表現を照合することで行う場合もあります（表記ゆれを吸収して正規化することが必要）。

メタデータは上記のフィルタリング利用が基本ですが、ほかにも様々な活用が考えられます。その内容を整理します。

レベル1：属性情報の「分離」（ノイズ対策）

・原則: 管理的な属性は、本文には入れず、DBのメタデータフィールドに隔離する。
・理由: 「作成日: 2025年」「種別: マニュアル」といった情報を本文に混ぜると、本来の意味ベクトルに対してノイズとなり、検索精度を下げるため。
・対象: 作成日時 / 年度：リランキングでの活用推奨
関係ない部署や古いデータの混在を防ぐことで、Precision（適合率）向上が期待できる。

レベル2：属性情報の「本文注入」（文脈補完）

・原則: 本文に属性情報を入れるとノイズになって検索精度が下がる。そのため、タイトルや見出しなど本文のテーマや主語を補完する情報に限り、本文の先頭に文字列として注入する。
・理由: 文書をチャンクに分割すると、指示語の指す内容が失われやすい。タイトルや見出しを補うことで、ベクトルに正しい「主語」を持たせる。
・対象: 文書名、章・見出し

チャンク化で主語が消えた情報を補完することで、Recall（再現率）向上が期待できる。

3つのメタデータ活用方法

設計したメタデータは、RAGシステムの「検索」「出力」「運用」の3フェーズで活用します。

① 検索時活用（精度向上）

分離したメタデータを、検索エンジンの機能で活用。

・条件フィルター（Pre-Filtering）:
　ベクトル検索を行う前に、条件で絞り込む。使いすぎると検索結果が０件になるので、権限管理など対象範囲を限定する。
　- 権限管理: ユーザーIDや所属部署で、閲覧可能なドキュメントのみを検索対象とする。
　- 鮮度維持: 「最終更新日が1年以内」などの条件で、古い情報を除外する。

・リランキング（Post-Ranking）:
　ベクトル検索でヒットした上位候補に対し、メタデータを考慮してリランキングする。リランキングはLLMの利用を推奨。
　- 鮮度調整: 更新日付が新しいドキュメントを上位表示。
　- 重要度調整: 「公式マニュアル」を「個人の日報」より上位表示。

② 出力時活用（ユーザビリティ）

LLMが回答を生成する際、根拠としてメタデータを提示する。

・出典情報の明示: 回答の末尾や脚注に、参照したドキュメントのタイトル、URLを表示する。ハルシネーション対策。
・回答生成用のLLMのプロンプトに「回答には必ず出典IDを記載せよ」と指示する。

③ 運用時活用（ライフサイクル管理）

検索品質を維持するための管理用データとして利用する。

・情報の棚卸し: 最終更新日のメタデータを付与し、一定期間更新がないデータを削除する。
・有益度計測: ユーザーからのフィードバックをメタデータに記録し、検索アルゴリズムの改善やドキュメントの修正に役立てる。

3. 推奨データ構造（JSONスキーマ）

上記を踏まえた、ベクトルDBへの推奨格納フォーマットです。
「属性は分離」しつつ、「文脈（タイトル等）のみ注入」しています。

{
  "id": "doc_123_chunk_05",
  "vector": [0.012, -0.054, ...],
  
  // -------------------------------------------------------
  // 【領域1】メタデータ (Payload)
  // 目的：フィルタリング、リランキング、運用管理
  // 原則：ここには全ての属性情報を網羅する
  // -------------------------------------------------------
  "metadata": {
    // A. 検索フィルタ・権限用
    "doc_type": "manual",
    "category": "purchasing",     // 購買
    "department": "sales_div",
    "access_level": ["group_a"],

    // B. リランキング・運用管理用
    "created_at": "2024-01-15",
    "updated_at": "2024-12-01",   // 新しさの判定に使用
    "is_active": true,

    // C. 出力表示用 (Reference)
    "title": "購買管理規程 第3版",
    "section": "第4章 相見積もりの取得",
    "source_url": "https://...",
  },

  // -------------------------------------------------------
  // 【領域2】本文テキスト (Page Content)
  // 目的：ベクトル化による意味検索
  // 原則：ノイズを避けるため属性は入れず、文脈（主語）のみ注入する
  // -------------------------------------------------------
  "page_content": "Title: 購買管理規程 第3版 | Section: 第4章 相見積もりの取得\n10万円以上の物品購入を行う際は、必ず3社以上の相見積もりを取得し..."
}

まとめ

メタデータ活用の基本は、タイトルと見出しのみ本文に入れて、その他の属性はリランキングやフィルタで活用する」という分離運用です。

また、権限管理で悩まれている人は、メタデータで条件フィルターすると、閲覧権限ごとにRAGシステムを複数構築する必要がなくなり、単一インデックスでの運用が可能になります。