PageIndex：用树状索引和推理检索复杂长文档
一分钟看懂
PageIndex 是一种无向量数据库、以推理为核心的 RAG 检索引擎。它先根据文档结构生成层级树索引，再让大模型沿树搜索相关章节，面向金融报告、法律文件、技术手册和教材等需要上下文理解的长文档。
你可以用它做什么
- 为长篇 PDF 建立可追踪到具体章节或页面的索引。
- 针对专业文档提出问题，并让模型按结构定位相关内容。
- 在本机使用自己的模型密钥完成索引、检索和对话。
- 把检索工具接入 OpenAI Agents SDK、Claude Agent SDK 或其他智能体框架。
- 使用云服务处理扫描件、图像丰富文档、OCR 和多文档目录。
主要能力
- 使用层级树代替向量索引与固定分块。
- 检索过程通过大模型推理选择树节点，并返回明确引用。
- 本地 SDK 支持文本型 PDF 和本地存储。
- 云版本增加 OCR、图像理解、托管存储、文件夹和 MCP 服务。
适合哪些人
适合处理长篇专业资料、希望检索结果具有上下文与引用路径的 AI 应用开发者。对短文档或只需关键词搜索的场景，它可能比简单检索方案更复杂、成本更高。
怎么开始使用
安装 pageindex Python 包，配置兼容模型的 API 密钥，创建客户端后提交 PDF，再通过 chat 接口提问。索引模型负责摘要和优化树结构，检索模型负责沿树搜索；官方建议根据准确率与费用需求分别选择模型。
使用前需要知道
本地模式主要面向文本型 PDF，扫描件、OCR、图像理解和部分多文档能力属于 PageIndex Cloud。无向量不等于零成本，索引和每次检索仍会调用大模型并产生费用；敏感文档还应根据本地或云端模式评估数据传输与存储要求。项目采用 MIT 许可证，官方给出的准确率和成本基于特定数据集与模型配置。