PageIndex

PageIndex是Vectify AI推出的开源RAG检索框架，摒弃传统向量数据库，通过为文档构建层级树索引实现高精度上下文感知检索，在FinanceBench上准确率达98.7%。 快速开始 1. 安装PageIndex：pip install pageindex 2. 准备你的文档文件，支持PDF、Word等常见格式 3. 运行索引构建命令，PageIndex会自动为文档生成层级树结构 4. 通过Python API或命令行进行查询检索 核心功能演示 功能一：构建文档索引 使用PageIndex的索引构建功能，将文档转化为层级树结构。代码示例：from pageindex import PageIndex; index = PageIndex(); index.build(your_document.pdf); 构建过程中，系统会自动识别文档的章节、段落层次，生成类似目录的树形索引。相比传统分块方式，保留了完整的上下文关系。 功能二：上下文感知检索 查询时PageIndex不是简单匹配关键词或向量相似度，而是通过LLM推理导航树节点，理解查询意图后定位到最相关的章节。示例：results = index.query(该公司的营收增长率是多少？)，系统会返回精确到具体页面和段落的答案，并附带上下文信息。 功能三：多文档交叉查询 PageIndex支持同时索引多个文档，并在查询时跨文档检索相关信息。这对于需要对比分析多个报告的场景非常有用，系统会自动识别哪些文档包含相关内容并整合答案。 实际使用案例 案例一：金融报告分析 某投资机构需要从数百页年报中快速提取关键财务指标。使用PageIndex索引所有年报后，分析师可以直接提问哪家公司2023年毛利率最高，系统精确返回对应页面的数据，相比传统向量检索准确率大幅提升。 案例二：法律合同审查 律师事务所需要在大量合同中检索特定条款。PageIndex的层级索引能准确定位到具体条款段落，而不是返回一堆可能相关的文本片段，大幅提高了合同审查效率。 常见问题FAQ Q1：PageIndex和传统向量检索有什么区别？ A：传统方案将文档切块后向量化，检索时基于向量相似度匹配，容易丢失上下文。PageIndex构建层级树索引，通过LLM理解文档结构进行导航式检索，准确率更高，结果可追溯到具体位置。 Q2：支持哪些文件格式？ A：支持PDF、Word、TXT等常见文档格式。对于扫描版PDF，建议先进行OCR处理以获得更好的索引效果。 Q3：对硬件有什么要求？ A：索引构建阶段需要调用LLM API，建议使用GPT-4或Claude等高质量模型以获得最佳效果。本地运行需要足够的内存来加载索引树。 小贴士 1. 文档结构越清晰（有明确标题、章节划分），PageIndex构建的索引质量越高 2. 对于特别长的文档，建议先按主题拆分为多个文件分别索引 3. 查询时尽量使用自然语言描述问题，而非关键词，这样LLM能更好地理解意图定位答案