™PageIndex vs Graphify：结构化检索工具对决
一个把文档做成树、用推理代替向量；一个把代码库做成图、用 AST 代替向量。PageIndex 和 Graphify 代表了“无向量”检索的两条路线。
最新进展
共 1 条 · 新的在上-
对比首发：PageIndex vs Graphify，机制、跑分、License、Agent 接入全拆解。
后续更新会出现在这里
逐项对比
✓ 标出这一项占优的一边| 项目 | PageIndex | Graphify |
|---|---|---|
| GitHub star | 约 3.9 万（2026-10-13 核验） | 约 12.6 万（2026-10-13 核验）✓ |
| License | MIT | Apache-2.0（仓库另含 LICENSE-MIT） |
| 核心机制 | 文档建树索引，LLM 推理选节点，无向量、无切块 | tree-sitter 本地解析约 40 种语言，边标注 EXTRACTED/INFERRED |
| 面向对象 | 长文档（财报、法律、论文） | 代码库 + 文档/SQL/PDF/图片 |
| 跑分（厂商自称） | FinanceBench 98.7%（厂商自称） | LOCOMO recall@10 0.497、LongMemEval-S 76%（厂商自跑分，自称） |
| Agent 接入 | 本地 SDK；MCP server 在官方对照表中列为 Cloud 功能 | /graphify skill + MCP（6+ 工具，含 get_neighbors、shortest_path、get_pr_impact） |
结论
结论：长文档问答（财报、法律、论文）看 PageIndex 的树索引路线；代码库理解、给编程助手做上下文看 Graphify 的知识图谱路线；两家跑分均为厂商自称，License 和 star 数以仓库页面为准。
01两者是什么
PageIndex 由 VectifyAI 于 2025 年 4 月开源（MIT），把 PDF 等文档建成一棵分层树索引，查询时由大模型推理决定读哪几个节点，全程不用向量数据库、不做文本切块。
Graphify 由 Graphify Labs 维护（Apache-2.0），把代码库连同文档、SQL schema、配置和 PDF 变成一张可查询的知识图谱：代码走 tree-sitter 本地确定性解析，边标注 EXTRACTED（直接读自源码）或 INFERRED（推断得出）。
PageIndex is a vectorless, reasoning-based RAG engine that mirrors how humans read, delivering traceable, explainable, and context-aware retrieval, with no vector DBs or chunking.
译：PageIndex 是一个无向量、基于推理的 RAG 引擎，像人类阅读一样工作，提供可追溯、可解释、上下文感知的检索，不用向量数据库、不做切块。
在 GitHub 查看原帖 →Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph.
译：把任何代码库，连同它的文档、SQL schema、配置和 PDF，变成可查询的知识图谱。
在 GitHub 查看原帖 →02分项对比
两者的共同点是都宣称不用向量检索；区别在于对象和产物：一个面向长文档输出答案，一个面向代码库输出可查的图。下表逐项比较。
03关键事实
- 开源热度：VectifyAI/PageIndex 约 3.9 万 star（2026-10-13 核验），2025 年 4 月 1 日创建；Graphify-Labs/graphify 约 12.6 万 star（2026-10-13 核验），2026 年 4 月 3 日创建。
- License：PageIndex 为 MIT；Graphify 仓库标注 Apache-2.0，根目录另有一份 LICENSE-MIT 文件。
- 检索机制：PageIndex：文档→树索引→LLM 推理选节点；官方 README 写明索引模型用基础模型即可，对话模型决定检索质量。Graphify：tree-sitter 解析约 40 种语言代码（厂商 README），Leiden 算法做社区发现，文档和图片走语义抽取。
- 跑分（厂商自称）：PageIndex 称在 FinanceBench 金融文档问答上达到 98.7% 准确率（厂商自称，评估代码在 Mafin 2.5 仓库公开）；Graphify 的 BENCHMARKS.md 称 LOCOMO recall@10 为 0.497、LongMemEval-S 问答准确率 76%，同 harness 下与 mem0、supermemory 对比（厂商自跑分，盲审 kappa 0.81，自称）。
- Agent 接入：PageIndex 提供本地 SDK（pip install pageindex，本地建索引、用自己的模型 key）；官方另有 pageindex-mcp 仓库（MIT，HTTP 传输），但 README 的 Local/Cloud 对照表把 MCP server 列在 Cloud 功能下。Graphify 提供 /graphify skill 和 MCP server，工具包括 query_graph、get_node、get_neighbors、shortest_path、list_prs、get_pr_impact，PyPI 包名为 graphifyy（双 y）。
- 费用：PageIndex 称本地建树索引约 $0.001/页，千页文档约 1 美元；Graphify 开源引擎免费，代码解析零 LLM 消耗，文档语义抽取消耗用户自己的模型 token（均为厂商说法）。
为什么重要
两个热门开源项目同时打出“无向量”旗号，一个做长文档问答、一个做代码库理解，覆盖场景几乎不重叠。
信源VectifyAI/PageIndex（2026-10-13，原文）；Graphify-Labs/graphify（2026-10-13，原文）；AlphaSignal（2025-05，原文）；Awesome AI Tools（2026-10-09，原文）；Dosa AI（2026-09，原文）。本文为公开信息整理，不构成任何投资建议。
本文来自 HIMIAO视界 · himiao.ai