PageIndex

项目简介

PageIndex 是一个无向量、基于推理的 RAG 引擎，面向长篇复杂文档。它不依赖向量索引和语义相似度搜索，而是为每份文档生成层级树索引，让大语言模型在树上进行推理来检索相关信息，从而在无需分块、无需向量数据库的情况下获得可追溯且具备上下文感知的答案。

核心功能

• 无向量、基于推理的检索，用大模型在树索引上的推理替代语义相似度搜索。
• 为每份文档生成层级树索引，模拟人类阅读长报告的方式。
• 无需向量数据库，也无需文本分块。
• 检索结果可追溯，并能结合对话历史和领域知识等上下文。
• 支持本地和云端两种模式：本地模式处理文本型 PDF，云端模式提供托管索引、OCR、图像理解、元数据、文件夹和 MCP 服务器。
• 在 FinanceBench 金融文档问答基准上报告达到 98.7% 的准确率。

适用场景

• 金融报告和 FinanceBench 类金融文档的问答。
• 法律文件和监管申报文件的检索。
• 技术手册、医学文献和学术教科书的搜索与分析。
• 需要上下文理解和多步推理的长篇复杂专业文档的推理。

快速开始

• 使用 pip install -U pageindex 安装 PageIndex SDK。
• 设置 OpenAI API 密钥，然后创建 PageIndexClient，指定索引模型和聊天模型。
• 提交 report.pdf 等文档获得 doc_id，再调用 chat 并传入问题和 doc_id 获取答案。
• 通过 SDK 客户端配置其他模型、流式输出、多文档搜索和引用等功能。

部署与要求

• 本地模式需要 PageIndex Python SDK 和你自己的 LLM API 密钥，例如 OpenAI API 密钥。
• 云端模式需要 PageIndex API 密钥，并提供托管的解析、OCR、图像理解、树索引构建和云存储。
• 专用 VPC 或本地部署可通过联系供应商获取。

采用前须知

• 许可证：MIT。在使用、修改或分发项目前，请确认其具体条款。