首页 > 教程攻略 > ai资讯 >3.1万Star！PageIndex：不用向量数据库，RAG准确率做到98.7%

3.1万Star！PageIndex：不用向量数据库，RAG准确率做到98.7%

来源：互联网时间：2026-06-13 13:39:44

PageIndex 开源系统通过树形索引与推理检索，彻底告别向量数据库，将 RAG 准确率提升至98.7%。
核心内容：
1. 传统向量RAG“相似不等于相关”的固有缺陷
2. PageIndex基于树形索引与推理检索的核心架构
3. 与传统RAG相比在准确率上的突破性提升

你有没有做过 RAG，结果发现 AI 的回答明显在"猜"？

你的文档明明写得很清楚，但 AI 检索回来的总是不相关的片段——语义上相似，但逻辑上答非所问。你开始调 embedding 模型，换向量数据库，调 chunk size，调 top-k，折腾一周，准确率还是卡在 60-70%。

这个问题的根本原因不是模型不够好，也不是 chunk 切得不对。是向量检索的本质缺陷：

相似不等于相关

。

PageIndex 的做法是：把向量数据库整个扔掉。

它是什么

PageIndex 是 VectifyAI 开源的无向量、基于推理的 RAG 系统，Python 编写，目前

31,777 Stars，2,736 Forks

。

核心思路来自 AlphaGo：用推理代替相似度匹配。传统 RAG 把文档切块然后搜相似向量，PageIndex 先把文档变成树形索引（类似目录），然后让 LLM 在这棵树上推理寻路，找到真正相关的段落。

架构：树形索引 + 推理检索

两步流程：

第一步：建树（Table-of-Contents Index）

把 PDF 文档解析成层级树结构——不是切块，是按文档的自然结构建章节树，每个节点有标题和摘要。金融报告、法律合同、技术手册，都能生成这种结构化索引。

{
  "title": "Financial Stability",
  "node_id": "0006",
  "summary": "The Federal Reserve monitors...",
  "nodes": [
    { "title": "Monitoring Financial Vulnerabilities", "start_index": 22 },
    { "title": "Domestic and International Cooperation", "start_index": 28 }
  ]
}

第二步：推理检索（Tree Search）

不是找"语义相似的向量"，而是让 LLM 读索引，像人类专家一样顺着目录思考："这个问题需要查第三章，第三章的2.1小节才是真正相关的"，逐层缩小范围，最终定位到准确段落。

和传统 RAG 的核心差距

维度	向量 RAG	PageIndex
检索方式	语义相似度搜索	LLM 推理树搜索
需要向量数据库	✅ 必须	❌ 完全不需要
文档切块	✅ 必须	❌ 不切块
上下文感知	❌ 静态向量	✅ 对话历史参与检索
可解释性	❌ 黑盒相似度	✅ 推理路径可追溯
FinanceBench 准确率	~70-80%	98.7%

专业长文档（金融报告、法律条款、学术教材）是向量 RAG 最容易翻车的场景，也是 PageIndex 最擅长的地方。

快速上手

pip3 install -r requirements.txt

from pageindex import PageIndex
# 初始化并索引文档
pi = PageIndex(api_key="your-key")
pi.index("annual_report.pdf")
# 推理检索
result = pi.retrieve("Q4 2023 的营收增长主要来自哪些业务？")
print(result.pages)  # 精确页码 + 段落引用

还有更强的 Agentic 模式：接入 OpenAI Agents SDK，自动多跳推理，适合需要跨多份文档联合分析的场景。