PageIndex文档变树索引不用向量也能做 RAG

长文档问答有个老问题：向量检索按「相似度」找片段，但相似不等于相关。在财务报告里问一个数，它可能返回一堆看着像的段落，真正那一段却因为措辞不同被漏掉。

PageIndex（MIT，★38,754）换了个思路：不建向量库、不切块。它先给每篇文档生成一棵树索引，再让 LLM 推理着在树上走，像专家翻长报告那样，一层层收敛到该读的那一节。检索只有两步——Index 建树，Retrieve 推理搜索——结果是可溯源的：答案带明确引用，而不是一段凭感觉拼出来的东西。

装起来只有一行。

pip install -U pageindex

本地模式下索引、检索、问答全在本机跑，用你自己的 LLM key；建树的模型基础款就够，搜树的模型越强越好。官方给的成本口径是本地建树约 $0.001/页，一千页教材一美元出头。

三个前提用前对齐。第一，本地只吃文本型 PDF，扫描件和图文混排要走 PageIndex Cloud，云上才有 OCR 和图像理解。第二，那些亮眼的数字——FinanceBench 98.7%、成本对比 16.6 倍——都出自官方自己的评测仓库，不是第三方复现。第三，Cloud 是商业服务，开源版面向文本型 PDF 与本地工作流。

适合天天跟长文档打交道的人：金融、法律、监管、技术手册。

关注我们——一起拆真实能跑的开源 AI 项目，能跑的就自己跑一遍。

系列导航：上期拆的是 claude-mem（给 agent 装长期记忆），本期 PageIndex 是检索侧的另一条路——不追向量，改用树形推理。两条都指向同一件事：让 AI 更会读长材料。

上期回顾 · 最近三期
- 第86期《claude-mem 让Claude Code 终于有记忆了》
- 第85期《svg-diagram 画架构图，每个坐标都算过》
- 第84期《rea 让 agent 逆向工程任何 App》

下期你想看：A 拿一份真实财报跑一遍 PageIndex 本地模式 / B 横向比一圈无向量 RAG 方案？评论告诉我。

#AI开源案 #RAG #AI编程 #PageIndex