PageIndex: 一个无向量的 RAG 引擎，用基于推理的树检索替代相似性搜索，以处理复杂文档

它解决了什么问题

传统的基于向量的检索增强生成（RAG）通常依赖于语义相似性，这可能导致在复杂的专业文档中无法找到真正相关的信息。PageIndex 通过用基于推理的检索替代基于相似性的搜索来解决这个问题，确保系统根据相关性和上下文理解查找信息，而不仅仅是根据听起来相似的文本。

它是如何工作的

PageIndex 将长文档转换为层次树结构索引（类似于详细的目录），而不是将其拆分为人工块。然后它使用 LLMs 执行代理树搜索，通过在索引中进行推理来导航到文档中最相关的部分。此过程模仿了人类专家阅读和导航复杂文件的方式，使得检索过程可追溯且可解释。

它适用于谁

它专为处理长而复杂的专业文档的用户而设计，例如财务报告、法律文件、监管文件、技术手册和学术教材。

亮点

• 无向量 RAG：消除了对向量数据库和分块的需求。
• 基于推理：使用基于 LLM 的树搜索进行上下文感知检索。
• 高准确率：在 FinanceBench 基准测试中达到 98.7% 的准确率。
• 可追溯结果：基于明确的页码和章节引用，以获得更好的可解释性。
• 灵活部署：可作为自托管开源工具、云服务或企业部署使用。