@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 -…
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。
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
RAG-Anything：全能型 RAG 框架
RAG-Anything 是一个全新的开源框架，通过整合跨模态关系和语义匹配来增强多模态知识检索，在复杂的基准测试中表现优于现有方法。
AgenticRAG：面向企业知识库的代理检索
本文介绍了 AgenticRAG，这是一个来自微软的框架，通过为大型语言模型（LLM）配备迭代搜索、文档导航和分析工具，增强了企业知识库的检索能力。它在多个基准测试中展示了相比标准 RAG 流水线在召回率和事实准确性方面的显著提升。
CHOP: 多文档RAG的分块式上下文保留框架
CHOP是一个通过使用上下文感知元数据和基于大语言模型的分块相关性评估来改进多文档检索RAG系统的框架，可以减少语义冲突和幻觉现象。该方法通过智能分块和上下文保留策略实现了90.77%的Top-1命中率。
LightRAG：简单高效的检索增强生成框架
本文介绍了 LightRAG，这是一个开源框架，通过整合图结构来提升检索增强生成（RAG）的上下文感知能力与信息检索效率。
LatentRAG：用于高效智能体 RAG 的潜在推理与检索
LatentRAG 是一个新颖的框架，将智能体 RAG 的推理与检索过程转移至连续的潜在空间，在保持与显式方法相当的性能的同时，将推理延迟降低了约 90%。