不用向量数据库也能构建 RAG？
最近 GitHub 上一个叫 PageIndex 的开源项目火了。它完全抛弃了向量数据库和 embedding，用一种类似“目录树”的结构来做文档检索。
传统的 RAG 系统基本都靠向量相似度来找相关内容，把文档切成一块一块，作为 embedding，存进向量数据库，查询的时候再用向量匹配。这套方案用了好几年，大家也都习惯了。但问题是，相似不等于相关。你搜一个金融术语，向量匹配可能给你返回一堆表面上看起来像的段落，但真正回答问题需要的那部分内容可能排不到前面。
PageIndex 的思路是先把文档解析成一个层级结构，有点像给文档自动生成一个目录树，每个节点对应文档的一个章节或段落。检索的时候不是算向量距离，而是让大模型在这棵树上做推理，一层一层往下找，模拟的是人类专家翻文档的过程。
这个方案在 FinanceBench 个金融问答基准测试上跑出了 98.7% 的准确率，成绩相当不错。金融文档本身结构性强，有大量表格、章节、交叉引用，用向量切片容易丢失上下文，树形结构反而更合适。
当然这套方案也有局限。它对文档的结构化程度有要求，像那种格式混乱、没有清晰章节划分的文档，效果可能就没那么好。另外让大模型做树搜索，推理成本肯定比单纯的向量查询高。
总的来说，PageIndex 提供了一个不同于主流向量方案的思路。不是说向量数据库不行了，而是在某些特定场景下，比如结构化高的专业文档，基于推理的检索可能是更好的选择。
Github：github.com/VectifyAI/PageIndex
##