文章介绍了AI Blob系统，这是一个利用大型语言模型（LLM）和检索增强生成（RAG）技术对意大利电视档案进行语义编目和叙事实时重构的实验性平台。系统通过自动语音识别（ASR）将1547个电视视频转录为212,696个句子单元，并嵌入向量数据库以实现语义查询。用户输入主题提示后，LLM生成相关查询，检索并重组视频片段，形成具有讽刺性并置和主题连贯性的叙事蒙太奇。该系统突破了传统元数据检索的局限性，为媒体史研究和档案创意利用提供了新范式。文章还公开了数据集和代码，以促进跨学科研究。
随着人工智能技术的进步，传统档案编目方法正经历深刻变革。文章提出的AI Blob系统，灵感源自意大利讽刺电视节目Blob（RAI Tre, 1989–），通过结合语义检索与生成式AI，实现了电视档案的动态重构。该系统突破了基于静态元数据的传统检索模式，利用LLM的语义理解能力，探索档案内容的创造性再利用。
系统首先使用WhisperX进行自动语音识别，将视频转录为文本。随后通过Punkt分词器和Transformer模型对文本进行分句与标点修复，生成高质量的句子单元。这些句子通过多语言嵌入模型Cohere-embed-multilingual-v3转化为向量，存储于ChromaDB数据库中以支持高效语义检索。
用户输入主题后，系统分阶段生成叙事：首先生成具有讽刺性或悖论视角的扩展查询；接着从向量库中检索非冗余句子；最后通过LLM评分筛选高讽刺性或主题相关性的内容。句子按叙事功能（引入、铺垫、高潮、结尾）动态分组，并通过算法排序强化语义对比。
AI Blob的创新性体现在三方面：一是采用RAG架构实现内容感知检索；二是通过LLM评分机制模拟人类编辑的讽刺性判断；三是算法化叙事结构生成。实验表明，系统能有效重构具有批判性的视频蒙太奇，为媒体档案研究提供了自动化分析工具。
当前系统存在语音对齐误差、单模态分析局限和小规模数据集约束。未来可通过多模态嵌入整合视觉信息，并扩展档案规模以增强叙事深度。该研究为AI驱动的文化档案创新利用提供了可行路径。