https://txtmix.com/tags/%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/Recent content in 检索增强生成 on Text MatrixHugozh-cnSat, 23 May 2026 08:55:34 +0800https://txtmix.com/posts/tech/pageindex-vectorless-reasoning-rag-guide/Fri, 08 May 2026 03:11:04 +0800https://txtmix.com/posts/tech/pageindex-vectorless-reasoning-rag-guide/<h2 id="学习目标">学习目标</h2> <p>读完这篇文章后，你应该能够：</p> <ol> <li>解释为什么传统基于向量的 RAG 在复杂推理任务中存在瓶颈，以及 PageIndex 的推理型检索如何绕过这一限制。</li> <li>理解 PageIndex 的核心设计：不建向量索引、不做文档分块、直接利用 LLM 推理能力做上下文感知识别。</li> <li>掌握 PageIndex 的 MCP 协议集成方式和 API 调用方法，能够在自己的应用中添加 PageIndex 支持。</li> <li>判断 PageIndex 适合哪些场景，不适合哪些场景，以及它与普通向量 RAG 的取舍。</li> </ol> <hr> <h2 id="一项目概述">一、项目概述</h2> <h3 id="11-什么是-pageindex">1.1 什么是 PageIndex</h3> <p><strong>PageIndex</strong>（<a href="https://github.com/VectifyAI/PageIndex" target="_blank" rel="noopener noreffer ">VectifyAI/PageIndex</a>，29.4k Stars）是一个基于推理（Reasoning-based）的 RAG 框架。与传统 RAG 将文档切成片段、映射到高维向量空间不同，PageIndex 直接利用 LLM 的推理能力做文档索引和检索，声称可以实现&quot;无向量数据库&quot;（Vectorless）的 RAG 方案。</p>https://txtmix.com/posts/tech/rag-anything-hku-multimodal-rag/Mon, 27 Apr 2026 01:10:00 +0800https://txtmix.com/posts/tech/rag-anything-hku-multimodal-rag/<h1 id="rag-anything港大开源的全能多模态-rag-框架一站式处理文本图片表格公式">RAG-Anything：港大开源的全能多模态 RAG 框架，一站式处理文本/图片/表格/公式</h1> <p>传统 RAG 系统只能处理纯文本，遇到图片、表格、公式就傻眼了。现代文档越来越多元——论文里有图表，金融报告里有数据表格，产品手册里有公式——传统 text-focused RAG 根本处理不了。</p>