构建基于LLM的应用时，需要将LLM的响应与源数据结合。检索增强生成（RAG）通过创建文本嵌入实现这一目标。数据分块（chunking）对搜索结果的相关性至关重要，常见的分块策略包括固定大小、随机大小和上下文感知分块。选择合适的分块方法需根据具体用例进行测试，以确保AI模型能准确响应用户查询。

构建实时LLM应用时，函数调用可能导致流阻塞，影响用户体验。为避免此问题，可采用异步函数处理I/O任务、后台任务处理重计算和对大数据集进行分块处理，以保持流畅的实时体验。

数据分块是将大数据集拆分为小块以便于处理和存储的有效方法。文档数据库提供灵活存储，支持高效检索。合理的分块策略可优化性能和资源使用，提高AI应用效率。