把检索结果做成可筛选的：时间、来源、类型与权限

只靠相似度会搜出过期与越权内容。本文给出四个必备筛选维度、为什么权限必须在检索层（展示层隐藏会导致模型复述泄露）、筛选的可见性与解释，以及三个常见坑与落地顺序。

检索要能"先筛后搜"

只靠语义相似度，用户常遇到两类糟糕结果 ✗：**过期的**（三年前的方案 ✔）与**不该看的**（别的团队/客户的内容 ✔）。

解法是在检索入口加**可筛选维度** ✔：时间、来源、类型、权限 ✔。

**先筛后搜**（filter-then-search）通常比"搜完再过滤"更准也更快 ✔ ——

尤其当筛选能把候选集缩小一个量级时 ✔。

1. **时间**：`published_at` 范围（"只看近一年" ✔）；

2. **来源/权威度**：官方文档 / 内部规范 / 社区帖子 ✔（等级表人工维护 ✔，不要模型猜 ✔）；

3. **类型**：教程 / 规范 / 会议纪要 / 工单 ✔；

4. **权限**：谁能看哪些文档 ✔（这一条是**硬约束**，不是排序因素 ✔）。

最常见的漏洞 ✗：先检索出全部，再在界面上隐藏无权内容 ✔ —— 但**模型已经读过了** ✔，

它可能在答案里**复述**出来 ✔（这就成了越权泄露 ✔）。

正确做法：

检索时就带上**权限过滤条件** ✔（在向量库/搜索引擎层的 filter ✔）；

权限变更要**同步到索引** ✔（否则"刚收回权限"的文档还能被搜到 ✔）；

记录每次检索的**权限判定结果** ✔（便于审计 ✔）。

界面上**显式给出**筛选器（时间、来源、类型 ✔），别藏在高级选项里 ✗；

结果里**标注**每个片段的来源与时间 ✔（让用户能自己判断 ✔）；

被筛选掉的内容**给出提示**（"另有 3 条较早的资料未展示" ✔），而不是静默丢弃 ✗。

**时间字段缺失** ✗ → 大量文档没有 `published_at` ✔ → 先做元数据补全 ✔；

**筛选值不统一** ✗（"官方"有五种写法 ✔）→ 先做**取值的归一化** ✔；

**筛选把召回打到极低** ✗ → 要监控**筛选后召回率** ✔（见检索回归那篇 ✔）。

1. 先补元数据（时间、来源、类型 ✔）—— 没有元数据，筛选无从谈起 ✔；

2. 再加**权限过滤**（安全优先 ✔，这一条不能等 ✔）；

3. 然后加时间与来源筛选（用户最常用 ✔）；

4. 最后做筛选的可见性与解释 ✔（含"被筛掉多少"的提示 ✔）。

> 抽 10 个问题，**只看检索层**（不看最终答案 ✔），能否保证"无权内容根本没被取到" ✔？

> 不能，就说明权限做在了错误的位置 ✗。