长文档 RAG 树索引方案

PageIndex 提出抛弃向量检索与切分的“树状索引 + LLM 推理”架构解决长文档 RAG 痛点。@realfxw 与 @oliviscusAI 分别介绍：传统向量 RAG 在财报、法律合同、技术手册等长难文档中常因相似度不等于相关度而失败；PageIndex 受 AlphaGo 启发模拟人类专家阅读逻辑，构建树状层级索引（先从版面解析逻辑树、再用轻量模型总结节点，无需分块与向量嵌入），LLM 推理检索像查目录一样逐层定位章节段落、路径清晰可追溯；FinanceBench 达 98.7% 准确率（传统向量 RAG 约 50%），本地建索引低至 $0.001/页、千页文档约 1 美元几分钟建完并支持持久化复用，420 页文档下查询成本比整份 PDF 喂入降低 16.6 倍；部署支持本地 SDK 全私有化，云端扩展 OCR、多文档文件系统及 MCP Server；100% 免费开源。