vectifyai/pageindex の最新リリース v0.4.3 は、ベクトルストアの代わりに文書ごとの階層ツリーをインデックスとして使う Python ライブラリです。検索拡張生成（RAG）は、取得した根拠をモデルに渡して回答を作る手法です。このプロジェクトは文書をベクトルに変換して類似度を探すのではなく、LLM にツリー構造をたどらせて関連内容を選ばせます。ライセンスは MIT です。
README は、検索時に会話履歴やドメイン知識など全体の文脈を活用し、質問と似ていても無関係な結果をより少なく取得できることが要点だと説明しています。ローカルのインデックス作成コストはページあたり約 0.001 ドルとし、gpt-5.6-luna を基準に 1000 ページの教科書は 1 ドルをわずかに超えると述べています。パッケージには flash・classic・markdown のインデックス経路、MCP ブリッジ、クラウドおよびローカル API が含まれます。
性能比較は別リポジトリの独自ベンチマークに基づいています。34 個の PDF、1945 ページと 62 個の検索クエリを評価し、同じ回答が得られる範囲では、ネイティブ PDF 入力は 52 ページで 2.1 倍、420 ページで 16.6 倍コストがかかり、805 ページではコンテキストウィンドウに収まらないと記載しています。これは自己評価であり、ベンチマークは別のリポジトリにあるため、pageindex のリポジトリだけでは再現しづらい ecotです。そのためコストの数値は示されていますが、独立に検証された性能根拠として見るのは難しいです。