37.3K+ Star！ PageIndex：用树形索引和推理替代向量检索的RAG引擎- 大数跨境

首页

37.3K+ Star！ PageIndex：用树形索引和推理替代向量检索的RAG引擎

AIGC创想者

2026-09-30

导读：PageIndex简介AI/MLPageIndex 是一个无向量数据库、基于推理的 RAG 引擎。

PageIndex简介

AI/ML

PageIndex 是一个无向量数据库、基于推理的 RAG 引擎。它摒弃了传统的文本分块与向量相似度搜索，转而为文档生成层级化的树形索引，让大语言模型像人类专家翻阅长篇报告一样，通过多步推理在树结构中定位并提取信息。

它主要解决传统向量 RAG 在处理长篇幅、高复杂度专业文档时「相似但不相关」的检索痛点。通过上下文感知的推理检索，它在金融报告、法律合同、技术手册等场景中能提供更精准、可溯源且具备解释性的问答结果。

亮点特性

01彻底告别向量库与分块

用层级树形索引替代传统的向量嵌入，从根本上消除「相似但不相关」的检索噪音

02类人阅读式推理检索

LLM 像人类专家翻阅目录一样在树节点中进行 Agentic 推理，检索过程透明且可溯源到具体引用

03极低的索引与查询成本

本地索引成本约每页 0.001 美元，千页教材仅需一美元左右；相比直接输入完整 PDF，查询成本最高可降低 16.6 倍

04突破上下文窗口限制

只读取推理路径到达的节点，轻松应对超出模型上下文窗口的超长文档（如 800+ 页）

05卓越的垂直领域表现

在金融文档问答基准 FinanceBench 上达到 98.7% 的准确率，远超传统向量 RAG 的 50%

使用场景

场景 1金融财报分析

从数百页的年报或监管文件中精准提取特定财务指标（如营业利润率），避免语义相似性带来的误导

场景 2法律与合规文档审查

在长篇合同或法规中定位具体条款，支持结合对话历史和领域知识进行上下文感知检索

场景 3学术与技术文献研究

快速查阅厚重的教科书或技术手册，无需将整本书塞入上下文窗口即可实现低成本精准问答

使用环境

编程语言	Python (uv 或 pip)

快速上手

安装依赖

●●●

pip install -U pageindex

本地模式基本用法

使用你自己的 LLM API Key，完全在本地完成索引构建、检索与对话：

●●●

import os
from pageindex import PageIndexClient

os.environ["OPENAI_API_KEY"] = "your-openai-key"

client = PageIndexClient(
    index="gpt-5.6-luna", # 用于构建树索引的基础模型（成本极低）
    chat="gpt-5.6-sol", # 用于搜索树并进行推理的高级模型
)

# 提交文档并获取 doc_id
doc_id = client.submit_document("report.pdf")["doc_id"]

# 发起提问
answer = client.chat("What was the 2023 operating margin?", doc_id=doc_id)
print(answer)

云端模式用法

如需处理扫描件或图片丰富的文档，可切换至 PageIndex Cloud，由云端托管解析、OCR 和存储：

●●●

import os
from pageindex import PageIndexClient

os.environ["PAGEINDEX_API_KEY"] = "your-pageindex-key"
os.environ["OPENAI_API_KEY"] = "your-openai-key"

client = PageIndexClient(
    index="cloud", # 在云端构建并存储索引
    chat="gpt-5.6-sol",
)

doc_id = client.submit_document("report.pdf", wait=True)["doc_id"]
print(client.chat("What was the 2023 operating margin?", doc_id=doc_id))