AWS博客：利用隐式/显式过滤与元数据增强提升合同搜索RAG准确性

核心事件

AWS机器学习博客近期介绍了AIDA（AI-Driven Annotation）解决方案，该方案基于Amazon Bedrock Knowledge Bases构建RAG（检索增强生成）架构，用于将非结构化合同转化为可搜索、可操作的情报。文章重点阐述了AIDA如何利用隐式过滤、显式过滤以及元数据增强分块技术，显著提升合同搜索的准确性。

具体而言，AIDA在文档摄入阶段配置元数据（如缔约方、生效日期、终止日期、司法管辖区等），并采用语义分块策略。检索时，系统先应用隐式过滤（自动根据元数据预过滤）和显式过滤（应用层强制执行，如地理限制、时间约束或保密级别），然后在过滤后的子集上执行语义搜索，最后将检索到的块与元数据一起增强到提示中，供大语言模型生成有依据的回答。

文章通过CUAD数据集（许可和联合品牌协议子集）进行实验，对比了四种配置：基线RAG、仅显式过滤、隐式+显式过滤、过滤+元数据增强。结果显示，结合过滤与元数据增强的配置在top-k=15时，候选池从55降至20，覆盖率从27.3%提升至75%，并且模型能够正确识别过期协议并清晰解释续约条款。

为什么值得关注

法律合同通常高度依赖上下文，且条款关系复杂。传统RAG系统单纯依赖语义搜索，可能检索到大量相关但不符合业务约束的片段，导致大语言模型上下文过载或遗漏关键信息。AIDA通过引入元数据驱动的过滤和块级元数据增强，将搜索空间缩小到最相关的合同子集，并为模型提供结构化背景，从而提高了回答的精确性和可靠性。这对于需要处理大量合同的企业（如娱乐、媒体行业）尤为重要，因为这些组织往往管理数千份跨司法管辖区的协议，人工审查成本高昂且难以扩展。

影响分析

从技术角度看，该方案展示了在RAG管道中结合元数据过滤与增强的可行性和有效性。它可能推动企业法律科技领域采用类似方法，减少人工合同审查工作量，提高合同情报的质量。实验数据表明，过滤和元数据增强能显著提升检索覆盖率和回答质量，但需要注意的是，这一结果基于特定数据集（CUAD子集），且文章未提供生产环境中实际客户部署的验证数据。此外，AI生成的合同解释仍需法律专业人员审核，该方案定位为决策支持工具而非替代法律专家。

对企业而言，若能借鉴这一模式，可以更高效地从合同库中提取关键信息，支持合规、续约、风险评估等决策。但实施时需要精心设计元数据字段，确保查询与元数据对齐，否则过滤效果可能有限。

未来观察点

• 该方案在真实客户环境中的性能表现和可扩展性验证。
• 元数据字段选择与自动提取（如从合同中自动识别元数据）的进一步优化。
• 将该方法扩展到更多合同类型和法律领域的效果。
• 如何平衡过滤的严格性与召回率，避免过度过滤导致信息遗漏。
• 与人工审核工作流的集成方式以及法律专业人员的接受度。

对创业者或企业的影响

创业者或企业若在构建法律合同分析或类似RAG应用，可考虑以下借鉴点：

• 重视元数据设计：在文档摄入时规划好结构化属性，为后续过滤和增强奠定基础。
• 组合使用隐式与显式过滤：隐式过滤自动缩小搜索空间，显式过滤保障合规边界。
• 对检索块进行元数据增强：以较低token成本为模型提供文档级上下文，提升回答准确性。
• 始终保留人工审核环节：AI输出需经专业验证，尤其是法律等高风险领域。

来源

来源：AWS Machine Learning Blog
链接：https://aws.amazon.com/blogs/machine-learning/improve-contract-search-accuracy-with-auto-generated-filters-in-amazon-bedrock/