PageIndex：无向量、基于推理的 RAG (检索增强生成)

基于推理的 RAG (检索增强生成) ◦ 无需向量数据库 (Vector DB) ◦ 无需分块 (Chunking) ◦ 类人检索

🏠 主页  •   🖥️ 聊天平台  •   🔌 MCP (模型上下文协议)  •   📚 文档  •   💬 Discord  •   ✉️ 联系 

📑 PageIndex 简介

您是否对专业长文档的向量数据库检索准确率感到沮丧？传统的基于向量的 RAG 依赖于语义 相似度 而非真正的 相关性。但 相似度 ≠ 相关性 —— 我们在检索中真正需要的是 相关性，而这需要 推理。在处理需要领域专业知识和多步推理的专业文档时，相似度搜索往往力不从心。

受 AlphaGo 启发，我们提出了 PageIndex —— 一个 无向量、基于推理的 RAG (检索增强生成) 系统，它从长文档构建 分层树索引，并利用 LLMs (大语言模型) 在该索引上进行 推理，以实现 代理式、感知上下文的检索。它模拟了 人类专家 如何通过 树搜索 导航并从复杂文档中提取知识，使 LLMs 能够 思考 并 推理 出最相关的文档部分。PageIndex 执行检索的两个步骤如下：

1. 生成文档的“目录”树结构索引
2. 通过 树搜索 执行基于推理的检索

🎯 核心功能

与传统的基于向量的 RAG 相比，PageIndex 具备以下特点：

• 无需向量数据库 (Vector DB)：利用文档结构和 LLM 推理进行检索，而非向量相似度搜索。
• 无需分块 (Chunking)：文档被组织成自然章节，而非人工分块。
• 类人检索：模拟人类专家如何导航并从复杂文档中提取知识。
• 更好的可解释性和可追溯性：检索基于推理——可追溯且可解释，包含页码和章节引用。不再有不透明、近似的向量搜索（“氛围”检索 vibe retrieval）。

PageIndex powering 了一个基于推理的 RAG 系统，该系统在 FinanceBench 上达到了 最先进的 (State-of-the-art) 98.7% 准确率，证明了其在专业文档分析方面优于基于向量的 RAG 解决方案的性能（详情见我们的 博客文章）。

📍 探索 PageIndex

欲了解更多，请参阅 PageIndex 框架 的详细介绍。查看本 GitHub 仓库以获取开源代码，并参考 示例代码库 (cookbooks)、教程 和 博客 以获取更多使用指南和示例。

PageIndex 服务可作为 ChatGPT 风格的 聊天平台 使用，或通过 MCP (模型上下文协议) 或 API (应用程序接口) 集成。

🛠️ 部署选项

• 自托管 —— 使用此开源仓库在本地运行。
• 云服务 —— 立即试用我们的 聊天平台，或与 MCP (模型上下文协议) 或 API (应用程序接口) 集成。
• 企业版 —— 私有或本地 (on-prem) 部署。联系我们 或 预约演示 以了解更多信息。

🧪 快速上手

• 🔥 智能体式无向量 RAG（检索增强生成） (最新版) — 一个简单但完整的 智能体式无向量 RAG 示例，使用 自托管 PageIndex 和 OpenAI Agents SDK。
• 尝试 无向量 RAG 笔记本 — 一个使用 PageIndex 进行基于推理的 RAG 的 极简 动手示例。
• 查看 基于视觉的无向量 RAG — 无需 OCR（光学字符识别）；这是一个直接在页面图像上运行的、基于视觉且原生支持推理的 RAG 流水线，属于极简版本。

  

🌲 PageIndex 树状结构

PageIndex 可以将长篇 PDF 文档转换为语义 树状结构，类似于 "目录"，但针对与大语言模型 (LLMs) 配合使用进行了优化。它非常适合以下场景：财务报告、监管文件、学术教科书、法律或技术手册，以及任何超出 LLM 上下文限制的文档。

下面是一个 PageIndex 树状结构的示例。还可以查看更多示例 文档 和生成的 树状结构。

...
{
  "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 ..."
    },
    {
      "title": "Domestic and International Cooperation and Coordination",
      "node_id": "0008",
      "start_index": 28,
      "end_index": 31,
      "summary": "In 2023, the Federal Reserve collaborated ..."
    }
  ]
}
...

您可以使用此开源仓库生成 PageIndex 树状结构，或者使用我们的 API（应用程序编程接口）。

⚙️ 包使用

您可以按照以下步骤从 PDF 文档生成 PageIndex 树状结构。

1. 安装依赖项

pip3 install --upgrade -r requirements.txt

2. 设置您的 LLM API 密钥

在根目录创建一个 .env 文件，包含您的 LLM API 密钥，并通过 LiteLLM 支持多 LLM：

OPENAI_API_KEY=your_openai_key_here

3. 为您的 PDF 生成 PageIndex 结构

python3 run_pageindex.py --pdf_path /path/to/your/document.pdf

--model                 LLM model to use (default: gpt-4o-2024-11-20)
--toc-check-pages       Pages to check for table of contents (default: 20)
--max-pages-per-node    Max pages per node (default: 10)
--max-tokens-per-node   Max tokens per node (default: 20000)
--if-add-node-id        Add node ID (yes/no, default: yes)
--if-add-node-summary   Add node summary (yes/no, default: yes)
--if-add-doc-description Add doc description (yes/no, default: yes)

python3 run_pageindex.py --md_path /path/to/your/document.md

智能体式无向量 RAG 示例

对于使用 PageIndex（配合 OpenAI Agents SDK）的简单、端到端 智能体式无向量 RAG 示例，请参见 examples/agentic_vectorless_rag_demo.py。

# Install optional dependency
pip3 install openai-agents

# Run the demo
python3 examples/agentic_vectorless_rag_demo.py

📈 案例研究：PageIndex 引领金融问答基准测试

Mafin 2.5 是一个由 PageIndex 驱动的、用于金融文档分析的基于推理的 RAG（检索增强生成）系统。它在 FinanceBench 基准测试中取得了最先进的 98.7% 准确率，显著优于传统的基于向量的 RAG 系统。

PageIndex 的分层索引和推理驱动检索功能，使其能够从复杂的财务报告（如 SEC 备案文件和收益披露）中精确导航并提取相关上下文。

探索完整的 基准测试结果 和我们的 博客文章，以获取详细的比较和性能指标。

🧭 资源

• 🧪 示例手册：动手实践的可运行示例和高级用例。
• 📖 教程：实用指南和策略，包括 文档搜索 和 树搜索。
• 📝 博客：技术文章、研究见解和产品更新。
• 🔌 MCP 设置 及 API 文档：集成详情和配置选项。

⭐ 支持我们

请引用如下：

Mingtian Zhang, Yu Tang and PageIndex Team,
"PageIndex: Next-Generation Vectorless, Reasoning-based RAG",
PageIndex Blog, Sep 2025.

@article{zhang2025pageindex,
  author = {Mingtian Zhang and Yu Tang and PageIndex Team},
  title = {PageIndex: Next-Generation Vectorless, Reasoning-based RAG},
  journal = {PageIndex Blog},
  year = {2025},
  month = {September},
  note = {https://pageindex.ai/blog/pageindex-intro},
}

如果您喜欢我们的项目，请给我们一颗星 🌟。谢谢！

联系我们

© 2026 Vectify AI

PageIndex 快速上手指南

简介

PageIndex 是一款基于推理的无向量 RAG（检索增强生成）系统。它通过构建层次化树索引并利用大语言模型进行推理，模拟人类专家导航复杂文档的方式，实现高效、可解释的检索，无需向量数据库或人工分块。

环境准备

• 操作系统: Linux / macOS / Windows
• Python 版本: Python 3.x
• 前置依赖: Git, Pip
• API 密钥: 支持 OpenAI 或其他兼容 LiteLLM 的大模型 API Key。

安装步骤

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

(注：国内用户如遇网络问题，建议配置 pip 镜像源以加速下载)

3. 配置环境变量

在根目录创建 .env 文件，填入您的 LLM API Key：

OPENAI_API_KEY=your_openai_key_here

提示：若使用非 OpenAI 模型，请根据 LiteLLM 文档配置相应的环境变量。

基本使用

1. 生成文档树索引 (PDF)

将长 PDF 文档转换为语义树结构：

python3 run_pageindex.py --pdf_path /path/to/your/document.pdf

常用可选参数：

--model                 # 指定使用的 LLM 模型 (默认：gpt-4o-2024-11-20)
--max-pages-per-node    # 每个节点的最大页数 (默认：10)
--if-add-node-summary   # 是否添加节点摘要 (默认：yes)

2. 生成文档树索引 (Markdown)

支持直接解析 Markdown 文件（需确保标题层级如 ##, ### 格式正确）：

python3 run_pageindex.py --md_path /path/to/your/document.md

3. 运行 Agent 式无向量 RAG 示例

结合 OpenAI Agents SDK 进行完整的智能体检索演示：

# 安装可选依赖
pip3 install openai-agents

# 运行演示
python3 examples/agentic_vectorless_rag_demo.py

更多资源

• 📚 官方文档: docs.pageindex.ai
• 🖥️ 在线试用: Chat Platform
• 💬 社区交流: Discord