因为 schema / metadata 的核心不是“文本像不像”，而是“结构和关系对不对”。
把表名、字段说明、指标定义直接切 chunk 再做向量检索，往往会遇到三个问题：
- 相似词多，但真实可用关系弱
- 同一个业务词可能映射到多个表、字段或口径
- 用户问的是一个查询意图，不是一段自然语言知识片段
所以更合理的做法通常不是把 schema 完全当普通文档，而是把结构化检索和语义检索结合起来。比如：
- 结构层：表、字段、关系、主外键、指标口径
- 语义层：字段描述、业务术语、历史问法
换句话说，metadata RAG 更像“带结构约束的检索”，而不只是普通文档搜索。