VectifyAI/PageIndex

GITHUB中文整理

主语言 Python · 39,823 星 · MIT · 创建于 2025-04-01

文档检索RAG树状索引推理检索Python
打开 GitHub 仓库

一个基于推理、不依赖向量检索的 RAG 引擎,通过为文档构建树状索引并让大模型推理检索,替代传统向量库与分块方式。

Stars 39,823 累计 star,越多说明被认可得越广
Watching 159 订阅该仓库变动的人数
Forks 3,429 被派生出去的仓库数
Issues 150 当前开放的 Issue 数
语言 Python GitHub 自动判定的主语言
许可证 MIT 开源协议,用之前先确认能不能商用
24h 增长 — 数据积累中
7 日增长 — 数据积累中
30 日增长 — 数据积累中

仓库健康度

5 个维度
只看客观信号,不构成安全性结论
维护活跃度 数据完整
2026-10-23 14:33 最近推送

最近推送 2026-10-23 14:33(5 天前),属于活跃维护

社区响应 数据完整
150 开放 Issue

开放 Issue 150 个 · Fork 3,429 个

增长趋势 证据不足
— 7 日新增

star 记录还不够天数,增量算不出来

项目规范 数据完整
MIT 许可证

许可证 MIT · 12 个 topics

版本发布 证据不足
— 发布次数

这一项暂无数据,不代表项目没有发布

「证据不足」表示这项数据暂时没有取到,不能读成「项目有问题」;「部分数据」表示只拿到一部分信号。版本发布要额外调 Releases 接口,下一版补。

Star 趋势

6 天记录
最近 90 天站内记录的星数
39,823当前 Star +289首尾差值 2026-10-23最早记录 2026-10-28最近记录

横轴 2026-10-23 → 2026-10-28,纵轴按这段时间的最小/最大值拉伸。趋势来自站内每天记录一次的星数,页面打开时不会实时请求 GitHub。

它解决什么问题

据 README 归纳
没有它会怎样

向量 RAG 按语义相似度检索长而复杂的专业文档时,会把相似但不相关的内容返回,漏掉相关但不相似的内容,导致检索不准、结果不可追溯。没有它,处理财务报告、法律文书这类需要上下文与多步推理的文档时,很难可靠找到真正相关段落。

核心能力

7 条
归纳自 README,不是功能列表照抄
  1. 1为每篇文档生成层级树状索引,取代向量索引
  2. 2用大模型在树索引上逐步推理式检索,模拟人翻阅长文档
  3. 3不做文本分块,也不依赖向量数据库
  4. 4检索结果可追溯到具体引用位置,便于核对
  5. 5提供本地与云端两种模式的统一客户端,可自带模型 API 密钥
  6. 6云端模式额外处理扫描件与图片丰富文档,并提供块级引用、元数据与文件夹管理
  7. 7提供文件级树索引层,可对整批文档集合进行推理

项目画像

6 个角度
决定要不要用之前,先看这六条

项目定位

一个基于推理、不依赖向量检索的 RAG 引擎,通过为文档构建树状索引并让大模型推理检索,替代传统向量库与分块方式。

适合谁

适合需要处理长而复杂专业文档的开发者与团队,例如金融报告、法律文书、监管文件、技术手册、医学文献和学术教材的检索问答场景。

典型场景

对长篇财务报告或监管文件提问,让模型按文档结构定位相关章节并给出可追溯引用;在本地用自带模型密钥为文本型 PDF 建立树索引,离线完成检索与问答;把索引与存储交给云端,处理含扫描件或图片的复杂文档,并用已有模型服务检索云端索引;面向大规模文档集合,用文件级树索引让模型在整个语料范围内推理定位

部署难度

本地使用通过 pip 安装包即可,需自行准备大模型 API 密钥;云端模式另需 PageIndex API 密钥。其余部署细节未说明。

风险限制

本地开源版本主要面向文本型 PDF 与本地流程;扫描件、图片理解、块级引用、元数据、文件夹与 MCP 服务器等能力在云端版本提供。使用需自行准备模型 API 密钥,其他具体要求未说明。

最近维护

最近一次推送是 2026-10-23 14:33。 实现方式:先对每篇文档生成树状层级索引,把章节结构显式组织起来;检索时由大模型在树上自主推理该进入哪些分支、定位相关段落,而不是用相似度匹配。整个过程不建向量库,也不做文本切块。

README 原文细节

2 个板块
项目自己写的功能与用法,原文照录

怎么安装从零跑起来的步骤

Quickstart

pip install -U pageindex

其它说明README 里剩下的内容

Compare with Vector RAG

It is ideal for financial reports, legal documents, regulatory filings, technical manuals, medical literature, academic textbooks, and any other long, complex professional document.

  • Index — vector index — tree index
  • Retrieval — semantic similarity search — LLM reasoning over the tree
  • Result — opaque, “vibe retrieval” — traceable to explicit references
  • Context — query embedding only — full context: conversation history, domain knowledge, etc.

Model Recommendations

Have a Claude subscription? PageIndex can use your subscription to call Claude models through Claude Code: usage is covered by your plan, no API key needed. Install with pip install -U "pageindex[claude]", then prefix model names with claude-code/, e.g., index="claude-code/haiku", chat="claude-code/opus" (see example).

  • index=: a basic model is sufficient. The tree structure itself is extracted from the document layout without an LLM; the index model only summarizes and refines it, which a basic model does well.
  • chat=: use the best model you can afford. The chat model searches the tree to retrieve information. See Query cost and accuracy.

TL;DR

PageIndex is a vectorless, reasoning-based RAG engine that mirrors how humans read, delivering traceable, explainable, and context-aware retrieval, with no vector DBs or chunking.

关于 PageIndex 的常见问题

6 个问题
答案来自 README 归纳与 GitHub 实时数据
PageIndex 是做什么的?

一个基于推理、不依赖向量检索的 RAG 引擎,通过为文档构建树状索引并让大模型推理检索,替代传统向量库与分块方式。 向量 RAG 按语义相似度检索长而复杂的专业文档时,会把相似但不相关的内容返回,漏掉相关但不相似的内容,导致检索不准、结果不可追溯。没有它,处理财务报告、法律文书这类需要上下文与多步推理的文档时,很难可靠找到真正相关段落。

PageIndex 有哪些功能?

核心能力:为每篇文档生成层级树状索引,取代向量索引;用大模型在树索引上逐步推理式检索,模拟人翻阅长文档;不做文本分块,也不依赖向量数据库;检索结果可追溯到具体引用位置,便于核对;提供本地与云端两种模式的统一客户端,可自带模型 API 密钥;云端模式额外处理扫描件与图片丰富文档,并提供块级引用、元数据与文件夹管理;提供文件级树索引层,可对整批文档集合进行推理。

PageIndex 适合谁用?

适合需要处理长而复杂专业文档的开发者与团队,例如金融报告、法律文书、监管文件、技术手册、医学文献和学术教材的检索问答场景。

PageIndex 是怎么工作的?

先对每篇文档生成树状层级索引,把章节结构显式组织起来;检索时由大模型在树上自主推理该进入哪些分支、定位相关段落,而不是用相似度匹配。整个过程不建向量库,也不做文本切块。

用 PageIndex 有什么门槛或限制?

本地开源版本主要面向文本型 PDF 与本地流程;扫描件、图片理解、块级引用、元数据、文件夹与 MCP 服务器等能力在云端版本提供。使用需自行准备模型 API 密钥,其他具体要求未说明。

PageIndex 现在还在维护吗?数据怎么样?

目前 39,823 星,3,429 个 Fork,主语言 Python,创建于 2025-04-01,最近一次推送 2026-10-23 14:33,许可证 MIT。星数、Fork、推送时间都是 GitHub 返回的实时数据,「最近推送」离现在越近说明越活跃;长期不动要留意是否已停止维护。

这些内容来自哪

读法说明
中文整理据 README 归纳,数据取自 GitHub
中文说明据项目 README 归纳只写 README 能确认的内容,不替作者补功能与数字
关键数据与 GitHub 页面一致星数、Fork、语言与时间都不做二次加工
数据日期2026-10-23 17:48星数与介绍这份数据是哪一天的

项目数据取自 GitHub 官方接口与项目 README;星数、Fork、语言与时间以 GitHub 页面为准,档案更新于 2026-10-23 17:48。