PageIndex：长文档问答，先建树再检索

这期评测 PageIndex：一套面向长文档的 reasoning-based RAG。PageIndex 在 2026 年 8 月 28 日登上 Product Hunt 24 小时趋势榜首，条目显示 312 票。这个上线线索值得跟进，因为 PageIndex SDK 最近把完整的本地工作流也放进了同一个客户端。

PageIndex 会先把 PDF 整理成带标题、页码范围、摘要和嵌套章节的层级树，再让 LLM 沿着树判断哪些章节真正相关。传统向量 RAG 依赖固定分块、embedding 和向量库，短新闻、邮件检索与通用探索往往更直接；PageIndex 更贴近财报、法规、合同、技术手册这类需要看完整结构、保留页级依据的文档。

最稳的首测方法，是拿一份公开、无敏感信息的文字型 PDF 跑完四步：先执行 pip install -U pageindex；再准备自己的模型 key；然后用 PageIndexClient 指定 index_model、chat_model 和本地 storage_path，调用 submit_document() 建树；最后调用 client.chat() 提问，并在 system message 里要求返回文档名和页码，再回看原 PDF。先验收树是否保留章节关系、答案能否落到页码、重复提问是否复用同一份索引，再考虑接入真实资料。

成本和数据路径要分开看。Local 免 PageIndex 软件费，索引存于本机，但仍会调用读者自己的 LLM 并产生模型费用；官方本地基准给出的索引成本约为每页 0.001 美元，属于厂商测试口径。Cloud Free Trial 提供 200 credits、最多 200 个活跃页面；Standard 为每月 30 美元，含 1,000 个每月到期 credits、最多 10,000 个活跃页面。Cloud 路径会负责解析、OCR、图像理解和托管存储，文件会交给 PageIndex Cloud 处理；托管 Chat API 还会按输入与输出 token 消耗 credits。

PageIndex 官方页面自述 FinanceBench 达到 98.7% 准确率；本期没有独立复现这个结果，所以读者应把它视为厂商 benchmark 线索。选择时，文字型 PDF 与私有开发先试 Local；扫描件、图像密集文档和大规模集合再看 Cloud；短文本、通用探索或已有向量基础设施的任务，可以继续比较传统向量 RAG。先用同一份公开 PDF 对比树形检索、引用页码、出站路径和实际模型账单，选择会更稳。

来源：