概览
PageIndex 将长文档转换为类似目录的语义树，包含章节、页码范围、摘要和可选节点标识符。LLM 或智能体可搜索这一结构，并依据文档上下文而非向量相似度定位相关章节。仓库报告有 34,965 个 star、3,064 个 fork 和 143 个开放 issue；该仓库未归档。
主要功能
- 基于文档结构和 LLM 推理的无向量检索
- 带章节和页码引用的层级树索引
- 无需人工分块的自然章节组织
- 具备上下文感知能力、由推理驱动的树搜索
- 可选节点标识符、摘要和文档描述
- 支持 PDF 和 Markdown 输入
- 用于启发式 PDF 结构提取的预览版 PageIndex Flash 模式
- 使用 OpenAI Agents SDK 的自托管智能体 RAG 示例
- 基于视觉的无向量 RAG notebook
- 托管聊天、MCP、API 和企业部署选项
要求、安装和快速入门
在仓库根目录中，使用 `pip3 install --upgrade -r requirements.txt` 安装声明的依赖项。创建包含 LLM 提供商密钥的 `.env` 文件；文档示例为 `OPENAI_API_KEY=your_openai_key_here`。对于可选的智能体示例，使用 `pip3 install openai-agents` 安装 `openai-agents`。
用法
PDF 快速开始：`python3 run_pageindex.py --pdf_path /path/to/your/document.pdf`。Markdown：`python3 run_pageindex.py --md_path /path/to/your/document.md`。Flash 预览模式：`python3 run_pageindex.py --flash --pdf_path /path/to/your/document.pdf`；添加 `--optimize` 可启用 LLM 扩展步骤。使用 `python3 examples/agentic_vectorless_rag_demo.py` 运行智能体示例。可选设置涵盖模型、目录扫描页数、每个节点最大页数或 token 数、节点 ID、节点摘要和文档描述。
模型兼容性与使用场景
通过 LiteLLM 支持多个 LLM 提供商。文档中列出的默认模型为 `gpt-4o-2024-11-20`，设置示例使用 OpenAI API 密钥。智能体演示使用 OpenAI Agents SDK。完整的已测试或支持模型列表未在仓库元数据中说明。
许可证与风险说明
仓库元数据将许可证标识为 MIT。许可证参考：https://api.github.com/licenses/mit。所提供的仓库记录未说明额外许可证例外或依赖项许可证详情。
发布与维护
README 重点提到使用自托管 PageIndex 和 OpenAI Agents SDK 的智能体无向量 RAG 示例、用于语料库级索引的 PageIndex File System、PageIndex Chat、MCP/API 访问，以及作为预览功能的 PageIndex Flash。正式标签发布名称、版本和发布日期未在仓库元数据中说明。