# PageIndex颠覆传统RAG，以推理优先实现范式转变

- 来源：Berryxia.AI (@berryxia)
- 发布时间：2026-05-05 22:39
- AIHOT 分数：62
- AIHOT 链接：https://aihot.virxact.com/items/cmosrrmzo00wqslplamu616yq
- 原文链接：https://x.com/berryxia/status/2051673193145045046

## AI 摘要

PageIndex提出一种全新的RAG方法，摒弃了传统依赖向量数据库、嵌入模型、分块和相似度搜索的技术路线。它通过为文档构建树状索引，让LLM能够像人类阅读一样进行分层推理。该方法在FinanceBench基准测试中取得了98.7%的准确率，超越了所有传统向量RAG方案，并且完全开源。这标志着一个范式级的转变：从“检索优先”转向“推理优先”，核心思路是让LLM先理解整体文档结构再回答问题，而非仅仅优化检索速度。此举可能对过去三年构建的整个RAG基础设施产生颠覆性影响。

## 正文

如今的AI疯狂的迭代和发展，但是回头看！

整个RAG行业过去三年疯狂卷向量数据库、嵌入模型、分块策略、相似度搜索……

结果今天被一个新方法直接宣告"结束"：开始从新洗牌 ！

就是今天刷到这个PageIndex：
- 不用向量DB
- 不用任何嵌入
- 不用chunking
- 不用相似度搜索

它直接给文档建一棵树索引，让LLM像人类读书一样一层层推理下去。

FinanceBench上干到98.7%，把所有传统向量RAG全部甩在身后。

100%开源。

这不是一次小优化，这是RAG从"检索优先"到"推理优先"的范式级转变。

我们花了无数钱和精力去优化"怎么更快地找到信息"，
PageIndex却直接问：为什么不让LLM像人一样先把整本书读懂再回答？

当RAG终于开始"像人一样思考"的时候，
整个行业过去的所有基础设施，可能都要重新洗牌。

你觉得PageIndex会成为下一代RAG标配，还是只是特定场景的玩具？

完整项目值得立刻去GitHub star一下。