Blockify 改寫企業 RAG：用 IdeaBlock 取代傳統切割、壓縮 40 倍、token 減少三倍
原標題：Blockify 改寫企業 RAG：用 IdeaBlock 取代 chunking、壓縮 40 倍、token 減 3 倍 - 鏈新聞 ABMedia
來源：Google News · 2026年5月10日
新聞重點
Blockify 推出以「IdeaBlock」取代傳統 chunking 的企業 RAG 架構，宣稱壓縮率達 40 倍、token 用量降至三分之一。以語意概念為切割單位的新方法，對知識庫建構邏輯提出根本性挑戰，在 RAG 工程社群引發廣泛討論。
議題分析
傳統 RAG 以固定大小的文字片段切割文件，忽略語意完整性，往往導致召回率低落、推理能力受限。Blockify 的 IdeaBlock 策略以「完整概念單元」為切割基礎，嘗試讓模型在檢索時理解整段知識而非碎片。這揭示了一個核心工程問題：知識庫切割品質直接決定 AI 推理上限。對於 TRIZ 這類高度結構化的專業知識，矛盾矩陣與工程參數之間的關聯若被切割破壞，推薦結果將失去可信度，系統也難以正確對應發明原則。
TRIZ AI 知識庫 的設計觀點
面對知識切割品質的核心挑戰，TRIZ AI 知識庫的設計思路是以「完整知識單元」而非字數為切分依據。(proofPoint #3) 系統採用 crawl → chunk → embed 三階段 RAG 管線，其中 chunk 階段以 TRIZ 概念邊界為準——每個發明原則、每條矛盾矩陣列均作為獨立向量單元，確保每次向量檢索都能召回語意完整的知識節點，而非截斷的片段。(proofPoint #1) 底層預建 40 發明原則、39 工程參數、263 矛盾矩陣的完整向量庫，讓每對工程矛盾都有明確的結構索引，避免跨概念混淆。這種以知識結構驅動切割策略的設計選擇，正是讓「問題描述 → 矛盾識別 → 原則推薦 → 解法生成」推理鏈路能夠穩定、可解釋地運行的基礎。
了解更多
TRIZ AI 知識庫
TRIZ（發明問題解決理論）AI 知識庫系統 — 涵蓋 40 發明原則、39 工程參數、263 矛盾矩陣等，多角色 AI 自動完成「描述問題 → 識別矛盾 → 推薦原則 → 生成解法」。
本文為 yao.care 對公開新聞的議題評論。原始新聞由 Google News 報導。
閱讀原始新聞