RAG 不一定要向量資料庫：PageIndex 如何讓模型沿著文件樹找答案
多數 RAG 系統把文件切成固定片段，再用向量相似度找上下文；PageIndex 改用階層式文件樹與 LLM 推理來定位內容。本文從架構、上手流程、成本與限制拆解這個 vectorless RAG 引擎，說明它適合哪些長篇專業文件，以及為什麼它不是所有場景的向量資料庫替代品。
企業知識庫
企業知識庫
共 3 篇文章
LightRAG：把知識圖譜與向量檢索整合進 RAG 的實作指南
LightRAG 將知識圖譜、向量 embeddings 與多種查詢模式整合進同一個 RAG 工作流。本文從雙層索引、文件解析、部署安全到成本評估，整理一條可實作的導入路徑。
LlamaIndex 不只是 RAG：把私有資料接上 Agent 的實作框架
很多團隊已經會呼叫 LLM，卻仍卡在文件解析、資料切分、檢索、引用與 Agent 工作流程。LlamaIndex 把資料連接器、索引、Retriever、Query Engine 與 Workflow 放進同一個 Python 生態，讓私有資料真正成為可被 Agent 使用的上下文。本文從官方文件出發，拆解它的定位、上手方式、適用情境與不能忽略的限制。