Repolode
提交项目
VectifyAI

VectifyAI/PageIndex

一个无向量的 RAG 引擎，为长文档构建层级树索引，由 LLM 推理检索答案。

在 GitHub 查看官网
Star
40,134
Fork
3,454
未关闭 Issue
151
最近提交
15小时前

这是什么？

PageIndex 是一个面向长篇复杂文档的检索框架，适用于财报、法律文件、技术手册和教材等场景。它不再把文本切块后存入向量数据库，而是为每份文档生成层级树状索引，由 LLM 在树上逐层检索相关章节，类似人读目录找内容的方式。

项目提供 Python SDK（pip install pageindex）。本地模式使用你自己的 LLM API Key，在本机构建和存储索引，主要支持文本型 PDF；云端模式则由 PageIndex Cloud 负责解析、OCR、图像理解和存储，还支持扫描件和图文混排文档。回答可以追溯到原文，本地模式精确到页，云端模式精确到段块。

项目页面给出了 FinanceBench 上的准确率，以及与整本 PDF 直接输入模型的成本对比，这些数据均来自作者自己的测试。

核心功能

  • 01为每份文档生成树状索引，无需向量数据库，也无需切块。
  • 02通过 LLM 在树上推理检索，而非基于语义相似度。
  • 03本地模式在本机运行，使用自己的 LLM API Key。
  • 04云端模式提供 OCR、图像理解和托管存储。
  • 05回答可追溯到原文的页码或段落。

适用场景

  • 对长篇财报或监管文件进行问答。
  • 查询需要精确定位章节的法律合同或技术手册。
  • 在教材或学术论文上构建 RAG，无需维护向量存储。

快速上手

  1. 1

    安装 PageIndex 包

    pip install -U pageindex
  2. 2

    设置 OpenAI API 密钥，为 PDF 构建树状索引，然后提问

使用前须知

  • 需要 LLM API 密钥（如 OpenAI）或 Claude 订阅才能进行索引和对话。
  • 本地模式主要面向基于文本的 PDF；扫描件或图片较多的文档需要付费的云服务。
  • 查询准确性和成本取决于所选的对话模型。

收录于专题

开源 AI Agent 框架与应用

标签

#rag#llm#retrieval#document-qa#information-retrieval#python#reasoning#agentic-ai#agents#ai

常见问题

PageIndex 是什么？
一个无向量的 RAG 引擎，为长文档构建层级树索引，由 LLM 推理检索答案。 PageIndex 是一个面向长篇复杂文档的检索框架，适用于财报、法律文件、技术手册和教材等场景。它不再把文本切块后存入向量数据库，而是为每份文档生成层级树状索引，由 LLM 在树上逐层检索相关章节，类似人读目录找内容的方式。
PageIndex 可以免费使用吗？用的什么许可证？
PageIndex 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
PageIndex 还在维护吗？
活跃维护中。PageIndex 最近一次提交是在 2026年11月6日。
PageIndex 适合用来做什么？
对长篇财报或监管文件进行问答。 查询需要精确定位章节的法律合同或技术手册。 在教材或学术论文上构建 RAG，无需维护向量存储。
PageIndex 怎么安装和运行？
安装 PageIndex 包: pip install -U pageindex 设置 OpenAI API 密钥，为 PDF 构建树状索引，然后提问
在哪里获取 PageIndex？
源代码和安装说明在 GitHub 上：https://github.com/VectifyAI/PageIndex

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目