PageIndex

🔥 PageIndex：32.6k Stars！用 AlphaGo 的思路重新设计 RAG，彻底告别向量数据库

受 AlphaGo 启发，不依赖向量相似度搜索，而是通过构建文档树状索引 + LLM 推理，实现 98.7% 长文档检索准确率——比传统向量 RAG 高出近 20 个百分点。

---

🚀 什么是 PageIndex？

传统的 RAG（检索增强生成）方案依赖向量数据库，将文档切割成碎片后通过相似度匹配检索。但问题是：相似不等于相关。特别是在处理财务报告、学术教科书、法律手册等超长文档时，向量 RAG 经常出现"找到相似内容却答非所问"的情况。

核心定位：受 AlphaGo 启发的无向量数据库推理型 RAG 系统——用树搜索代替向量相似度，让 AI 像专家一样阅读文档。

由 VectifyAI 团队开发的 PageIndex，核心思路极其巧妙：不构建向量索引，而是为长文档生成一份层次化的树状索引（类似书籍目录），然后通过 LLM 推理 + 树搜索来定位最相关的内容。检索结果带有明确的页码和章节引用，可追溯、可解释、可验证。

---

✨ 核心功能一览

---

💡 适用场景

1. 财务报告深度检索

功能说明：财务报表通常超过数百页，涵盖大量表格、数据和交叉引用。传统向量 RAG 很难定位到正确的财务章节和具体数据段落。PageIndex 通过树状索引结构，直接将问题映射到具体章节和页码。

输入要求：PDF 财务报告（如年报、季报）或 Markdown 格式财务报表

输出效果：精确定位到相关章节，附带页码和章节引用，LLM 基于精准上下文生成回答

适用场景：

• 投资机构分析师快速定位财报关键数据
• 审计师核对财务报告合规性
• 研究人员提取跨年度财务趋势数据

---

2. 学术教科书智能检索

功能说明：学术教科书（如斯坦福 CS229、MIT 深度学习教材）内容庞大且结构化程度高。PageIndex 天然契合教科书的章节结构，能精准定位到概念讲解、公式推导和实验步骤。

输入要求：PDF 教材或 Markdown 格式课程笔记

输出效果：返回目标章节的精准段落 + 上下文摘要 + 相关子章节导航

适用场景：

• 学生快速查找特定概念解释
• 教师备课定位相关章节内容
• 研究人员跨教材对比不同理论

---

3. 法律和技术手册查询

功能说明：法律条文、技术规范等专业文档往往字数巨大且要求精确引用。PageIndex 的树状索引天然支持"从宏观到微观"的检索路径，结果附带精确页码和条款编号，完美满足法律和技术文档的引用需求。

输入要求：PDF 法律条文、技术手册或规范文档

输出效果：精准定位到具体条款、页码，附带章节标题和上下文摘要

适用场景：

• 律师查找相关法规条款
• 工程师查阅技术规范
• 合规人员检索政策文件

---

用户群体总结

• ✅ 金融机构分析师：快速定位财报关键数据，比向量 RAG 准确率高出近 20%
• ✅ 学术研究者：高效检索长篇学术论文和教科书，支持跨章节知识整合
• ✅ 法律和技术专业人士：需要精确引用的场景，结果可追溯、可验证
• ✅ 企业知识管理：内部规范文档、合规手册的智能检索
• ❌ 不适合：简短文档检索（<50 页），简单场景下传统向量 RAG 同样高效

---

📊 与竞品对比

---

🛠️ 快速上手：5 分钟跑通示例

安装 / 配置

# 1. 克隆仓库
git clone https://github.com/VectifyAI/PageIndex.git
cd PageIndex

# 2. 安装依赖
pip3 install --upgrade -r requirements.txt

# 3. 配置 API Key（支持通过 LiteLLM 配置多模型）
export OPENAI_API_KEY=your_openai_key_here
# 或 .env 文件中配置

生成文档索引

# PDF 文档生成树状索引
python3 run_pageindex.py --pdf_path /path/to/your/document.pdf

# 或 Markdown 文件生成索引（推荐，速度更快）
python3 run_pageindex.py --md_path /path/to/your/document.md

# 指定模型（可选）
python3 run_pageindex.py --pdf_path report.pdf --model gpt-4o-2024-11-20

生成的索引结构示例

PageIndex 为文档生成的树状索引类似"目录"，但针对 LLM 理解进行了优化：

{
  "title": "Financial Stability",
  "node_id": "0006",
  "start_index": 21,
  "end_index": 22,
  "summary": "The Federal Reserve ...",
  "nodes": [
    {
      "title": "Monitoring Financial Vulnerabilities",
      "node_id": "0007",
      "start_index": 22,
      "end_index": 28,
      "summary": "The Federal Reserve's monitoring ..."
    }
  ]
}

Agentic RAG 示例

结合 OpenAI Agents SDK 的完整示例：

# 安装可选依赖
pip3 install openai-agents

# 运行演示脚本
python3 examples/agentic_vectorless_rag_demo.py

注意：支持 LiteLLM 配置多模型，不仅限于 OpenAI。也可通过 MCP 或 API 接入云服务版本，享受增强 OCR 和树构建服务。

---

💰 定价方案

方案	说明	价格
自托管（开源）	本地运行，标准 PDF 解析	免费（MIT 协议）
云服务	增强 OCR + 树构建 + MCP/API	按量计费
企业版	私有化部署 / VPC	联系销售

开源协议： MIT

💡 新用户福利：开源版本完全免费，无需任何 API Key 即可本地运行基础功能。

---

🎯 总结

PageIndex 提出了一个极具启发性的 RAG 新范式：不用向量库，用树搜索 + LLM 推理解决长文档检索问题。在 FinanceBench 基准测试中取得 98.7% 的准确率，远超传统向量 RAG 的 60-80%。

它的核心创新在于将 AlphaGo 的树搜索思路引入文档检索领域，让 AI 像人类专家一样"翻书"——先看目录定位章节，再看正文定位段落。这种可追溯、可解释的检索方式，特别适合对准确性要求极高的金融、法律、学术场景。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 需要处理长文档、对检索精度要求高、重视结果可追溯性的团队和个人

立即体验： PageIndex 官网

GitHub 仓库： VectifyAI/PageIndex

---

数据截至 2026-06-06，最新信息请以官网为准。