VectifyAI GitHub avatar

PageIndex

Python
无向量文档检索引擎VectifyAI最近推送 2026年11月19日
RAG 与知识库MIT40.5k3,472175 issues7 天 +102

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

用树形索引和LLM推理替代向量检索的RAG引擎,适合长文档问答。

PageIndex 是一个无需向量数据库和文本分块的检索增强生成(RAG)引擎。它先为每份文档生成树形结构索引,再让大模型在树上推理搜索,模拟人类翻阅长报告的方式。项目由 VectifyAI 开源,采用 MIT 许可,主要面向金融报告、法律文书、技术手册等长而复杂的专业文档。

推荐指数

4.0

思路新颖且工程完整,适合被向量检索精度困扰的长文档场景,但依赖 LLM 推理会带来查询成本和延迟。

近 7 天

+102

新增 Star

总 Star 排名

#148

雷达追踪的 3,971 个 AI 仓库中

创建于

2025

2025年4月1日

核心亮点

  • 1无需向量库

    用树形索引替代向量索引,省去向量数据库和分块流程。

  • 2推理式检索

    由 LLM 在树结构上逐步推理定位相关章节,而非做语义相似度匹配。

  • 3结果可追溯

    检索结果能对应到文档中的明确位置,便于核查和引用。

  • 4索引成本低

    README 称本地建树约每页 0.001 美元,千页文档一次性成本约一美元。

  • 5支持 Agent 集成

    可作为工具接入 OpenAI Agents SDK、Claude Agent SDK 等框架。

适用场景

  • 长文档问答

    例如:对一份 300 页的上市公司年报提问“2023 年营业利润率是多少”,系统定位到对应章节后作答。

  • 法律与合规检索

    例如:在监管文件中查找与某条款相关的段落,并给出可追溯的页码或章节引用。

  • 技术手册查询

    例如:工程师用自然语言询问设备维护步骤,系统从手册树中推理出相关章节。

  • Agent 知识工具

    例如:把 PageIndex 作为检索工具挂到 Agent 工作流中,让 Agent 按需查阅本地文档库。

它是怎么工作的

  1. 第 1 步

    提交文档

    通过 SDK 提交 PDF 等文档,获得文档 ID。

  2. 第 2 步

    生成树索引

    从文档版面提取层级结构,再由基础模型总结和精炼成树形索引。

  3. 第 3 步

    推理检索

    收到问题时,由较强的聊天模型在树索引上逐步推理,定位相关节点。

  4. 第 4 步

    生成回答

    基于定位到的内容组织答案,并可附带引用位置。

快速上手

  1. 1

    安装 SDK

    通过 pip 安装 pageindex 包。

    pip install -U pageindex
  2. 2

    配置模型与密钥

    设置 OpenAI API Key,并分别指定建索引和问答所用的模型。

    export OPENAI_API_KEY="your-openai-key"
  3. 3

    提交文档并提问

    创建客户端,提交 PDF 获得 doc_id,再调用 chat 提问。

    client = PageIndexClient(index="gpt-6-luna", chat="gpt-6-sol")
    doc_id = client.submit_document("report.pdf")["doc_id"]
    answer = client.chat("What was the 2023 operating margin?", doc_id=doc_id)

适合谁

  • 需要处理长专业文档问答的开发者
  • 对向量检索精度不满意、愿意尝试推理式检索的团队
  • 构建 Agent 工作流并需要文档检索工具的人
  • 有 OpenAI 或 Claude 等模型 API 使用条件的项目

不太适合

  • 完全离线、不能调用外部 LLM 的场景
  • 对查询延迟和 token 成本非常敏感的高频检索场景

成熟度

  • 活跃度2025 年 4 月创建,最近一次推送在 2026 年 11 月,更新频繁。
  • 文档README 结构清晰,有快速开始、模型建议和基准数据,并链接到独立文档站。
  • 社区约 4 万 star、3400 多 fork,关注度高;175 个开放 issue 说明讨论活跃。
  • 上手难度pip 安装后几行代码即可跑通,但需要自备 LLM API Key 并理解建索引与问答模型的分工。

同类项目怎么选

  • LlamaIndex以向量索引和多种检索器为主,PageIndex 则完全不用向量,靠树索引加 LLM 推理。
  • RAGFlow提供完整的 RAG 平台和可视化界面,PageIndex 更偏向轻量 SDK 和推理式检索方法。
  • LangChain通用 LLM 应用框架,检索只是其中一部分;PageIndex 专注文档树索引与推理检索。

使用前注意

  • · 查询阶段依赖 LLM 推理,token 成本和响应延迟会随文档规模和问题复杂度上升。
  • · 需要配置 OpenAI 等模型 API Key;使用 Claude 订阅方式需额外安装 claude 扩展。
  • · README 中的成本数据基于特定模型和文档样本,实际费用会因文本密度和模型选择而变化。
  • · 项目采用 MIT 许可,商用前仍建议核对依赖模型服务商的条款。

主题标签

agentic-aiagentsaiai-agentscontext-engineeringllmragreasoningretrievalretrieval-augmented-generationvector-databaseinformation-retrieval