vectifyai/pageindex 的最新版本 v0.4.3 是一个 Python 库，它不用向量存储，而是把每个文档的层级树用作索引。检索增强生成（RAG）是把检索到的依据交给模型来生成答案的方式。这个项目不把文档转换成向量再按相似度查找，而是让 LLM 沿着树结构挑选相关内容。许可证为 MIT。
README 说明，核心在于检索时利用对话历史、领域知识等完整上下文，从而即使结果与问题相似，也能更少地取回无关内容。README 把本地索引成本列为每页约 0.001 美元，并表示以 gpt-5.6-luna 为基准，一本 1000 页的教科书花费略高于 1 美元。软件包包含 flash、classic、markdown 三条索引路径，以及 MCP 桥接和云端与本地 API。
性能对比来自另一个仓库中的自测基准。它评估了 34 个 PDF、1945 页和 62 个查询问题，并称在给出相同答案的区间里，原生 PDF 输入在 52 页时贵 2.1 倍，在 420 页时贵 16.6 倍，在 805 页时则无法装入上下文窗口。这是自我评测，而且基准位于单独的仓库，仅凭 pageindex 仓库难以复现。因此成本数字虽有给出，但难以视为经过独立验证的性能依据。