建设仓储知识库,最容易被低估的不是检索不准,而是数据串门:第三方仓储企业同时服务多个货主,集团型知识库要区分事业部,一旦 A 货主的库内 SOP 出现在 B 货主的问答结果里,轻则泄露作业细节,重则引发合同纠纷。本文给出一套两层权限设计:货主之间用租户硬隔离,货主内部用元数据行级过滤,并用 Chroma 给出可复现的实现步骤。
一、先分清两层隔离,再动手建库
货主间:租户与数据库,硬隔离。Chroma 的数据模型分三层:tenant(租户)、database(数据库)、collection(集合)。租户之间完全隔离,租户内再按数据库划分项目空间,集合是存放切片与建索引的单元。为每个货主创建独立租户,等于从存储层切断了互相访问的可能,比在应用层拼过滤条件可靠得多。
货主内:行级元数据过滤,软隔离。同一货主内部往往还要区分仓库、库区、岗位与文档效力(现行版或已废止)。这类需求不必拆库:把 wh、doc_type、status 等字段写进元数据,查询时用 where 条件收窄范围,成本远低于为每个仓库单独建一套库。
一条判定原则:跨主体的边界用租户硬隔离,主体内部的条件筛选用元数据软过滤。最常见的错误做法,是把所有货主的文档塞进同一个集合、完全依赖 where 区分货主——任何一次查询漏写过滤条件,就会直接越界,多货主场景下不建议采用。
二、实现步骤
第一步:规划租户结构。列出全部货主清单,每家建立独立租户与数据库;集团自用文档单独一个租户,不与客户数据混放。租户命名建议直接用货主编码,与应用层的账号体系一一对应,方便审计对账。
第二步:统一元数据规范。至少包含文档编号、仓库、文档类型(SOP、作业指导书、异常处理单)、status(current 或 archived)、生效日期与复核日期。字段名要在建库前定死,因为后期变更字段意味着全量重写元数据,成本极高。
第三步:入库与检索。文档切片后写入对应货主的集合;检索时由服务端根据当前登录用户所属货主,自动注入租户参数与 where 过滤,前端不传货主标识,也就不存在被绕过的空间。
第四步:分批迁移与灰度切换。存量文档不必一次迁完,按货主分批:先迁一家货主试点仓库的全部现行 SOP,跑通入库、检索、越界抽查全链路后,再按仓库推进。迁移期新旧两套并行,新库只读试用两周,确认零越界、零现行版误报后再正式切换,旧共享盘转归档保留,随时可回溯。
三、可复现代码
创建货主租户并按租户隔离入库(需先安装 chromadb):
import chromadb
client = chromadb.PersistentClient(path='./wh_kb')
for owner in ('owner_a', 'owner_b'):
client.create_tenant(tenant=owner)
client.create_database(database=owner + '_kb', tenant=owner)
col_a = client.get_or_create_collection(
name='sop_docs', tenant='owner_a', database='owner_a_kb',
metadata={'owner': 'owner_a'})
col_a.add(ids=['sop-101'],
documents=['低温库收货:到货 30 分钟内完成测温,录入 WMS 后方可上架。'],
metadatas=[{'wh': '低温1号库', 'doc_type': 'SOP',
'status': 'current'}])货主内部按仓库与现行版本做行级过滤,并验证越界隔离:
hits = col_a.query(query_texts=['收货 测温 时限'],
n_results=3,
where={'$and': [
{'wh': '低温1号库'},
{'status': 'current'}]})
print(hits['documents'][0][0][:80])
# 越界验证:B 货主租户内查不到 A 货主数据
col_b = client.get_collection('sop_docs',
tenant='owner_b',
database='owner_b_kb')
print(col_b.count()) # 预期 0验收两件事:一是越界抽查,用 A 货主身份构造与 B 货主 SOP 高相关的问题,答案中不应出现对方任何仓库、库区或流程细节;二是现行版命中率,凡是询问现行制度的查询,返回结果的 status 必须全部为 current。
提醒:租户与数据库属于管理接口,不同 Chroma 版本的 API 支持情况有差异,动手前先核对所用版本文档;应用层务必由服务端注入租户参数,不要信任前端传入的货主标识。
四、上线后的运营指标
多货主知识库上线后建议固定盯三个数:跨租户泄露抽查通过率(目标 100%)、现行版命中率(目标 100%)、各货主问答零结果率(持续下降说明覆盖在变好)。按月出一页简报同步管理层与货主代表,指标公开透明,比任何口头承诺都更能建立长期信任。如果贵司是第三方仓储或集团多事业部场景,正需要数据隔离与权限分级并重的私有知识库,可以参考上邦的私有 AI 知识库方案(https://aiwork.shangbon.com/ai-rag.html),按货主分阶段完成存量文档迁移。
参考来源
Architecture Overview(tenant、database、collection 三层数据模型) - Chroma 官方文档 docs.trychroma.com;Multi-Tenancy Strategies - Chroma Cookbook(cookbook.chromadb.dev)。