A Systematic Framework for Enterprise Knowledge Retrieval: Leveraging LLM-Generated Metadata to Enhance RAG Systems

在企业环境中，从庞大而复杂的知识库中高效检索相关信息对于提升运营效率和实现科学决策至关重要。本研究提出了一种利用大语言模型（LLM）对元数据进行系统性增强的框架，以提升检索增强生成（RAG）系统中的文档检索效果。我们的方法采用一个全面且结构化的处理流程，能够为文档片段动态生成具有实际意义的元数据，显著改善其语义表示能力和检索准确率。通过大量实验，我们比较了三种文本分块策略——语义分块、递归分块和朴素分块，并评估了它们与先进嵌入技术结合后的表现效果。结果表明，引入元数据增强的方法始终优于仅依赖内容的基线方法：其中，递归分块结合TF-IDF加权嵌入取得了82.5%的精确率，而仅使用语义内容的方法精确率为73.3%；在朴素分块策略中，采用前缀融合（prefix-fusion）方法实现了最高的Hit Rate@10值，达到0.925。我们的评估采用交叉编码器（cross-encoder）进行重排序以生成真实标签，从而能够通过命中率（Hit Rate）和元数据一致性（Metadata Consistency）指标进行严格评估。研究结果证实，元数据增强不仅提升了向量聚类的质量，还降低了检索延迟，因而成为适用于各类知识领域的RAG系统的一项关键优化手段。本研究为企业环境中的高性能、可扩展文档检索方案部署提供了切实可行的实践指导，证明了元数据增强是提升RAG系统效能的一种强有力的方法。

在企业环境中，从大规模、复杂的知识库中高效检索相关信息对于提升运营效率和决策质量至关重要。本文旨在解决现有检索增强生成（RAG）系统中文档片段语义表示不足、检索精度受限的问题，验证通过大语言模型（LLM）进行元数据增强是否能显著提升文档检索性能。该问题虽非全新，但在结合LLM动态生成结构化元数据以优化RAG方面仍属前沿探索。

提出一种基于大语言模型的系统性元数据增强框架，通过构建结构化流水线为文档片段动态生成富含语义的元数据，从而增强其向量表示能力。关键创新在于将元数据作为语义锚点融入嵌入过程，并系统比较不同分块策略与嵌入技术的组合效果，揭示递归分块与TF-IDF加权嵌入结合在精度上的显著优势。

实验设计严谨，对比了三种分块策略（语义、递归、朴素）与多种嵌入方法的组合；采用交叉编码器重排序生成高质量真值标签，引入Hit Rate和Metadata Consistency作为评估指标；结果显示元数据增强方法将检索精度从73.3%提升至82.5%，并实现0.925的最高Hit Rate@10；证实元数据不仅提升聚类质量，还降低检索延迟；目前未提及开源代码，但其工程化路径对构建高性能企业级RAG系统具有重要参考价值，未来可深入研究元数据生成的可控性与轻量化部署。

1. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 2. Dense Passage Retrieval for Open-Domain Question Answering 3. Improving Retrieval with Latent Semantic Mapping in RAG Systems 4. Dynamic Chunking Strategies for Document Retrieval in Enterprise Settings 5. Enhancing Sentence Embeddings with Metadata-Aware Training