如何修改Haystack教程Notebook为Document添加原始文件名元数据

要给每个答案关联原始txt文件，只需在导入文档时把文件名存入Document的meta字段，后续通过答案的document_ids即可反向查询到对应文件名。具体修改步骤如下：

1. 修改文档导入代码，添加文件名到Document的meta #

原教程中批量导入文件的逻辑不会自动将文件名存入meta，替换成以下代码，手动遍历每个txt文件并创建带文件名meta的Document：

import os
from haystack.document_stores import InMemoryDocumentStore
from haystack import Document

# 初始化DocumentStore（和原教程逻辑一致）
document_store = InMemoryDocumentStore(use_bm25=True)

# 遍历目标文件夹中的txt文件，逐个生成带文件名meta的Document
data_dir = "data/tutorial1"  # 替换为你实际的文件存储目录
docs = []
for filename in os.listdir(data_dir):
    if filename.endswith(".txt"):
        file_path = os.path.join(data_dir, filename)
        with open(file_path, "r", encoding="utf-8") as f:
            text_content = f.read()
        # 创建Document对象，将文件名存入meta字段
        doc = Document(content=text_content, meta={"filename": filename})
        docs.append(doc)

# 将带meta信息的文档写入DocumentStore
document_store.write_documents(docs)

2. 修改答案输出代码，关联原始文件名 #

运行QA pipeline得到预测结果后，遍历每个答案，通过document_ids从DocumentStore中取出对应文档，再提取meta里的文件名：

from pprint import pprint

# 运行pipeline获取答案（和原教程逻辑一致）
prediction = pipeline.run(
    query="你的问题内容",
    params={"Retriever": {"top_k": 10}, "Reader": {"top_k": 5}}
)

# 遍历答案，打印内容及对应来源文件
for answer in prediction["answers"]:
    # 通过document_id获取对应的Document对象
    target_doc = document_store.get_document_by_id(answer.document_ids[0])
    # 提取meta中的文件名
    source_file = target_doc.meta["filename"]
    
    # 自定义输出格式
    print(f"答案：{answer.answer}")
    print(f"来源文件：{source_file}")
    print(f"置信度：{answer.score:.2f}\n")

如果想用pprint直接查看包含文件名的完整答案信息，也可以给每个答案临时添加来源文件名字段：

# 给每个答案追加来源文件名
for answer in prediction["answers"]:
    target_doc = document_store.get_document_by_id(answer.document_ids[0])
    answer.meta["source_filename"] = target_doc.meta["filename"]

# 打印包含文件名的答案详情
pprint(prediction["answers"])

内容的提问来源于stack exchange，提问作者ekohrt