RAG 不一定要向量资料库：PageIndex 如何让模型沿着文件树找答案
多数 RAG 系统把文件切成固定片段，再用向量相似度找上下文；PageIndex 改用阶层式文件树与 LLM 推理来定位内容。本文从架构、上手流程、成本与限制拆解这个 vectorless RAG 引擎，说明它适合哪些长篇专业文件，以及为什么它不是所有场景的向量资料库替代品。
企业知识库
企业知识库
共 3 篇文章
LightRAG：把知识图谱与向量检索整合进 RAG 的实作指南
LightRAG 将知识图谱、向量 embeddings 与多种查询模式整合进同一个 RAG 工作流。本文从双层索引、文档解析、部署安全到成本评估，整理一条可实作的导入路径。
LlamaIndex 不只是 RAG：把私有资料接上 Agent 的实作框架
很多团队已经会呼叫 LLM，却仍卡在文件解析、资料切分、检索、引用与 Agent 工作流程。LlamaIndex 把资料连接器、索引、Retriever、Query Engine 与 Workflow 放进同一个 Python 生态，让私有资料真正成为可被 Agent 使用的上下文。本文从官方文件出发，拆解它的定位、上手方式、适用情境与不能忽略的限制。