在一份很长的财报里找答案，常见做法像是把全文剪成纸条，再挑出“措辞最像问题”的几张。问题在于，文字相似不等于真正相关。PageIndex提供了另一条路线：不用向量库——把文本转换成数字表示后按相似度搜索的系统——而是让大模型沿着文档结构寻找答案。
它先把文档整理成树状索引，类似一份可逐层展开的目录；检索时，模型先判断哪些章节可能相关，再继续缩小范围，定位到明确的页码和小节。整个过程不做传统的人工切块，选择路径也更容易追溯。换句话说，它想模仿专家查长文档：先看目录，再带着问题翻到相关章节，而不是在一堆碎片里找近似句子。
这值得关注，因为它把RAG——先从指定资料检索内容，再交给模型回答——的重点从“相似度”转向了“推理相关性”。项目作者称其在金融文档问答基准FinanceBench上达到98.7%准确率，但该数字来自项目方引用的博客，材料未提供独立核查或具体对照设置。