Метаданные, теги и PageRank

Метаданные, наборы тегов и PageRank являются тремя способами добавить к фрагментам сведения, которых нет в самом тексте, и тем самым управлять отбором источников. Эта статья описывает, что делает каждый из них и где он настраивается.

Метаданные документа

Метаданные хранятся у документа в виде JSON-объекта с произвольными ключами: автор, дата, подразделение, версия, адрес исходной страницы. Они не индексируются и не участвуют в поиске по словам или векторам. Их роль другая: если фрагменты документа попали в контекст ответа, метаданные дописываются в промпт перед фрагментами, и модель может сослаться на них, например указать источник и дату.

Задать метаданные можно двумя способами:

• в списке документов базы действием «Установить метаданные»: откроется поле для JSON, значение должно быть корректным объектом, иначе изменение не применится;
• через API: PUT /api/v1/datasets/{dataset_id}/documents/{document_id} с полем meta_fields, значение которого является объектом.

{ "meta_fields": { "Автор": "Отдел кадров", "Дата": "2026-02-01", "Версия": "3" } }

Массовой установки в интерфейсе нет, каждый документ редактируется отдельно; для сотен документов используйте цикл по API. Изменение метаданных записывается в журнал аудита как событие «Изменение метаданных».

Фильтрация по метаданным

У ассистента, к которому подключены базы, есть настройка метаданных с тремя режимами:

Ручной режим подходит, когда правило известно заранее, например ассистент отдела должен видеть только документы с «Подразделение: Бухгалтерия». Автоматический режим удобен, если вопросы содержат признаки отбора («по версии 3», «за 2025 год»), но требует единообразных ключей и значений во всех документах. В API ассистента тот же параметр называется meta_data_filter с полями method (disabled, automatic, manual) и списком условий manual из объектов key, op, value.

Наборы тегов

Набор тегов является отдельной базой знаний с методом фрагментации «Тег». Она содержит таблицу из двух столбцов: описание и тег. Описание является примером фрагмента или типичного вопроса, тег является меткой из закрытого списка; несколько тегов в одной строке разделяются запятой. Форматы: XLSX без строки заголовков, CSV или TXT в UTF-8 с разделителем TAB.

Порядок работы:

1. Создайте базу, в её настройках выберите метод «Тег», загрузите и обработайте файл таблицы. На странице конфигурации появятся вкладки «Облако» и «Таблица» с частотой тегов; здесь теги можно переименовать или удалить.
2. В целевой базе откройте «Расширенные настройки», в поле «Наборы тегов» выберите одну или несколько баз-наборов, при необходимости измените «Топ-N Тегов» и сохраните.
3. Обработайте документы целевой базы заново. Каждый фрагмент сравнивается с описаниями из набора и получает ближайшие теги.

При вопросе ассистент тегирует и сам вопрос, и фрагменты с совпадающими тегами получают преимущество. Это помогает, когда фрагменты похожи друг на друга (например, большинство о аксессуарах и немногие о самом устройстве) и обычный поиск их не различает.

Отличия от авто-ключевых слов: теги являются закрытым множеством, заданным вами, и назначаются по векторному сходству без обращения к чат-модели; ключевые слова генерирует модель, множество открытое, и это дороже. Набор тегов не подключают к ассистенту: он не участвует в поиске напрямую. После изменения набора документы целевых баз нужно обработать заново.

PageRank базы

PageRank задаётся для базы целиком в «Расширенных настройках» целым числом от 0 до 100 и прибавляется к оценке всех её фрагментов. Он нужен, когда ассистент ищет по нескольким базам с одной моделью эмбеддинга и одна из них должна иметь приоритет: действующие регламенты выше архива, своя документация выше общедоступных материалов. Ноль означает «выключено». Через API значение передаётся полем pagerank в PUT /api/v1/datasets/{dataset_id}.

Что выбрать

Результат любого изменения проверяется на вкладке «Тестирование поиска», см. Проверка поиска по базе.