最近推送 2026-10-23 14:33(5 天前),属于活跃维护
VectifyAI/PageIndex
GITHUB中文整理主语言 Python · 39,823 星 · MIT · 创建于 2025-04-01
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。
仓库健康度
5 个维度开放 Issue 150 个 · Fork 3,429 个
star 记录还不够天数,增量算不出来
许可证 MIT · 12 个 topics
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- 1为每篇文档生成层级树状索引,取代向量索引
- 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不做文本分块,也不依赖向量数据库
- 4检索结果可追溯到具体引用位置,便于核对
- 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。
