PageIndex：29K⭐Hệ thống RAG cách mạng, tìm kiếm tài liệu không cần vector database

PageIndex là gì?

PageIndex là hệ thống RAG (Retrieval-Augmented Generation) mã nguồn mở được phát triển bởi VectifyAI, thay đổi hoàn toàn cách thức tìm kiếm tài liệu truyền thống. Khác với cơ sở dữ liệu vector truyền thống, PageIndex sử dụng phương pháp dựa trên suy luận, xây dựng cấu trúc cây phân cấp của tài liệu để tìm kiếm như con người.

• 🌲 Cây lập chỉ mục — Tổ chức tài liệu như mục lục
• 🧠 Tìm kiếm dựa trên suy luận — LLM suy luận thay vì độ tương đồng vector
• ❌ Không cần vector database — Tiết kiệm chi phí lưu trữ vector đắt đỏ
• ❌ Không cần chunking — Giữ nguyên cấu trúc tự nhiên của tài liệu
• 📊 98.7% độ chính xác — SOTA trên bài kiểm tra FinanceBench

GitHub: https://github.com/VectifyAI/PageIndex
Stars: 29.202+ | Ngôn ngữ: Python | Giấy phép: Apache-2.0

Tại sao RAG truyền thống không đủ tốt?

Vấn đề của RAG vector truyền thống

Giải pháp của PageIndex

PageIndex mô phỏng cách chuyên gia con người đọc tài liệu:

1. Xem cấu trúc mục lục trước (cây lập chỉ mục)
2. Suy luận nên đi đến chương nào dựa trên câu hỏi
3. Tìm kiếm sâu trong chương liên quan

Nguyên lý công nghệ cốt lõi

1. Tạo cấu trúc cây tài liệu

PageIndex chuyển đổi PDF thành cấu trúc cây phân cấp:

{
  "title": "Financial Stability",
  "node_id": "0006",
  "start_index": 21,
  "end_index": 22,
  "summary": "The Federal Reserve monitors financial vulnerabilities...",
  "nodes": [
    {
      "title": "Monitoring Financial Vulnerabilities",
      "node_id": "0007",
      "start_index": 22,
      "end_index": 28
    },
    {
      "title": "Domestic and International Cooperation",
      "node_id": "0008",
      "start_index": 28,
      "end_index": 31
    }
  ]
}

2. Tìm kiếm cây dựa trên suy luận

Khi người dùng đặt câu hỏi, LLM sẽ:

1. Hiểu câu hỏi — Phân tích ý định truy vấn
2. Duyệt cấu trúc cây — Suy luận nút nào có thể chứa câu trả lời
3. Tìm kiếm sâu trong nút liên quan — Tìm thông tin cụ thể trong nút ứng viên
4. Trả về kết quả — Kèm theo trích dẫn nguồn (số trang, chương)

3. Tìm kiếm cây Monte Carlo tương tự AlphaGo

PageIndex lấy cảm hứng từ AlphaGo, sử dụng thuật toán tìm kiếm cây:

• Chọn — Chọn nút hứa hẹn nhất
• Mở rộng — Mở rộng nút con
• Đánh giá — LLM đánh giá mức độ liên quan của nút
• Lan truyền ngược — Cập nhật trọng số nút

Bắt đầu nhanh

Cài đặt

# Clone repository
git clone https://github.com/VectifyAI/PageIndex.git
cd PageIndex

# Cài đặt dependencies
pip3 install --upgrade -r requirements.txt

Cấu hình API Key

# Tạo file .env
echo "OPENAI_API_KEY=your_openai_key_here" > .env

Tạo cây tài liệu

# Tạo cấu trúc cây PageIndex cho PDF
python3 run_pageindex.py --pdf_path /path/to/your/document.pdf

Tham số tùy chọn

--model                  # Mô hình LLM (mặc định: gpt-4o-2024-11-20)
--toc-check-pages       # Số trang kiểm tra mục lục (mặc định: 20)
--max-pages-per-node    # Số trang tối đa mỗi nút (mặc định: 10)
--max-tokens-per-node   # Số token tối đa mỗi nút (mặc định: 20000)
--if-add-node-summary   # Thêm tóm tắt nút (mặc định: yes)

Ví dụ thực tế

Ví dụ 1: Phân tích tài liệu tài chính

from pageindex import PageIndex

# Tải cây tài liệu
pi = PageIndex(tree_path="financial_report.json")

# Truy vấn
result = pi.query(
    "Tốc độ tăng trưởng doanh thu Q3 là bao nhiêu?",
    top_k=3
)

print(result.answer)
# "Doanh thu Q3 tăng 23% so với cùng kỳ năm ngoái, doanh thu từ dịch vụ đám mây..."

print(result.sources)
# [{"page": 45, "section": "Financial Results", "node_id": "0012"}]

Ví dụ 2: Xem xét hợp đồng pháp lý

# Tải tài liệu hợp đồng
pi = PageIndex(tree_path="contract.pdf.json")

# Truy vấn điều khoản cụ thể
result = pi.query(
    "Điều kiện chấm dứt trong Điều 7 là gì?"
)

# PageIndex sẽ tự động định vị chương liên quan

Ví dụ 3: Nghiên cứu bài báo học thuật

# Tải bài báo
pi = PageIndex(tree_path="paper.pdf.json")

# Truy vấn suy luận xuyên chương
result = pi.query(
    "Phương pháp luận trong Chương 3 liên quan thế nào đến kết quả trong Chương 5?"
)

# PageIndex sẽ duyệt cấu trúc cây để tìm thông tin liên quan

So sánh với đối thủ

Mô hình kinh doanh và cơ hội kiếm tiền

1. Phân tích tài liệu doanh nghiệp

Giấy phép Apache-2.0 của PageIndex cho phép sử dụng thương mại:

• Phân tích tài chính — Phân tích tự động báo cáo tài chính, hồ sơ SEC
• Tư vấn pháp lý — Xem xét hợp đồng, nghiên cứu vụ án
• Tài liệu y tế — Phân tích hồ sơ bệnh án, tài liệu y khoa
• Tài liệu chính phủ — Phân tích chính sách, tìm kiếm quy định

2. Xây dựng sản phẩm SaaS

Xây dựng dựa trên PageIndex:

• Nền tảng Q&A tài liệu thông minh
• Hệ thống cơ sở tri thức doanh nghiệp
• Trình tạo báo cáo tự động
• Công cụ xem xét tuân thủ

3. Dịch vụ tư vấn

Cung cấp liên quan đến PageIndex:

• Tư vấn kỹ thuật
• Phát triển tùy chỉnh
• Dịch vụ đào tạo

Hiệu suất benchmark

Kết quả FinanceBench

PageIndex đạt state-of-the-art trong Q&A tài liệu tài chính, chứng minh ưu thế của tìm kiếm dựa trên suy luận.

Tùy chọn triển khai

1. Tự lưu trữ (mã nguồn mở)

git clone https://github.com/VectifyAI/PageIndex.git
pip3 install -r requirements.txt
python3 run_pageindex.py --pdf_path your.pdf

Phù hợp: Đội ngũ kỹ thuật, kịch bản nhạy cảm với dữ liệu

2. Dịch vụ đám mây

• Nền tảng Chat: https://chat.pageindex.ai
• API: https://pageindex.ai/developer
• Tích hợp MCP: Hỗ trợ Claude, Cursor, v.v.

Phù hợp: Khởi động nhanh, môi trường production

3. Phiên bản doanh nghiệp

• Triển khai private
• Đường ống OCR tùy chỉnh
• Hỗ trợ chuyên dụng

Cộng đồng và tài nguyên

• GitHub: https://github.com/VectifyAI/PageIndex
• Tài liệu: https://docs.pageindex.ai
• Blog: https://pageindex.ai/blog
• Discord: https://discord.com/invite/VuXuf29EUj
• API: https://pageindex.ai/developer

Tóm tắt

PageIndex là sự tiến hóa thế hệ tiếp theo của công nghệ RAG:

✅ 29K+ Stars — Cộng đồng công nhận
✅ Không cần vector DB — Tiết kiệm chi phí cơ sở hạ tầng đắt đỏ
✅ Dựa trên suy luận — Thực sự hiểu cấu trúc tài liệu
✅ 98.7% độ chính xác — Dẫn đầu ngành
✅ Có thể giải thích — Mọi tìm kiếm đều có thể truy vết
✅ Mã nguồn mở — Apache-2.0, thân thiện thương mại

Phù hợp với ai?

• Nhà phân tích tài chính: Xử lý báo cáo tài chính, hồ sơ SEC
• Cố vấn pháp lý: Xem xét hợp đồng, quy định
• Nhà nghiên cứu: Phân tích bài báo, tài liệu
• Nhà phát triển: Xây dựng ứng dụng AI tài liệu

Bắt đầu ngay: https://github.com/VectifyAI/PageIndex

Related Articles

• Goose AI Agent: AI Agent mã nguồn mở cho code và tự động hóa — Công cụ AI mã nguồn mở khác
• Free Claude Code: Sử dụng Claude Code CLI miễn phí với bất kỳ nhà cung cấp AI nào — Công cụ AI coding
• Agent Reach: Kết nối AI Agent của bạn với Internet — Kết nối AI với internet
• 42 Real-World OpenClaw Use Cases: Cách mọi người sử dụng AI Agent trong cuộc sống hàng ngày — Trường hợp sử dụng AI Agent

Last updated: 2026-05-07