@akshay_pachaar: 朴素 RAG vs. Blockify！一种全新的 RAG 方案：- 语料库体积缩减 40 倍 - 每次查询 token 用量减少 3 倍 -…

X AI KOLs Following 工具
rag retrieval-augmented-generation vector-search knowledge-base enterprise-ai open-source llm

摘要

Blockify 是一个新的开源 RAG 框架，以专利技术「IdeaBlocks」流水线取代传统分块方式，声称可实现语料库体积缩减 40 倍、token 使用效率提升 3 倍、向量搜索准确率提升 2.3 倍。它将企业文档转化为结构化 XML 知识单元，以实现更连贯的 LLM 检索效果。

朴素 RAG vs. Blockify！这是一种全新的 RAG 方案，能够：- 将语料库体积缩减 40 倍 - 每次查询的 token 用量减少 3 倍 - 向量搜索相关性提升 2.3 倍。Blockify GitHub 地址：https://github.com/iternal-technologies-partners/blockify-agentic-data-optimization…
查看原文
查看缓存全文

缓存时间: 2026/05/09 09:43

将杂乱的企业内容转化为紧凑、经过验证、针对 AI 优化的知识单元

专利数据摄取、提炼与治理流水线。IdeaBlocks 以结构化、去重、LLM 就绪的知识取代了原始分块方式。

78X 综合性能提升 · 2.29X 向量搜索精度 · 29.93X 提炼效率 · 3.09X Token 利用率 · 40X 体积压缩

Blockify、IdeaBlock 和 AirgapAI 均为 Iternal Technologies, Inc. 的注册商标。

相似文章

@XiaohuiAI666: 你的 RAG 实现方法是错误的！ 传统 chunk 缺乏知识边界、版本信息和元数据，导致检索上下文缺失、版本混杂、权限控制困难。 作者提出的新方法以 IdeaBlock（问题-答案+治理字段）替代 chunk，实现结构化知识单元。 不改检…

X AI KOLs Timeline

作者提出以IdeaBlock（问题-答案+治理字段）替代传统chunk来改进RAG知识单元，已开源Blockify工具，可减少40倍语料、3倍token并提升2.3倍相关性。

Adaptive Chunking：为RAG优化分块方法选择

Papers with Code Trending

介绍Adaptive Chunking，一个利用五项文档内在指标为RAG选择最佳分块策略的框架，将答案正确率从62-64%提升至72%，并将问题解决率提高超过30%。