PageIndex —— 可信赖的文档智能问答引擎
"类人阅读"的文档 AI：不依赖向量库与分块，用推理式检索从长文档中给出可溯源、可验证的答案，官方称在 FinanceBench 金融问答基准上准确率达 98.7%。提供网页版、开发者 MCP 与 API，覆盖个人、企业与开发者三类用户。
目标受众
需要从财报、研报、合同、政策等海量专业文档中快速取证的金融、法务与研究人员
使用场景
- 财报、招股书问答，答案精确引用到原文段落
- 合同与法规检索，规避大模型"幻觉"
- 作为企业知识库 RAG 的替代方案直接部署
- 开发者通过 MCP/API 把可追溯问答接入自建系统
设计初衷
针对传统 RAG（向量检索+分块）在长文档上"答不准、说不出处"的问题，提出无向量的推理式检索——像人一样通读上下文再定位答案，让每个回答都带可追溯来源，优先服务金融这类高合规行业。
解决什么问题
传统 RAG 对长文档、复杂表格、跨章节问题经常答非所问且无法给出可靠出处。PageIndex 用推理式检索提升准确率（FinanceBench 98.7%）并保证答案可验证，解决"AI 结果不可信"的核心顾虑。
评分理由
切中 RAG 行业痛点（准确率+可溯源），有公开评测数据支撑，且提供 MCP/API 便于集成，商业化路径清晰。但作为新品牌，宣称的准确率有待独立验证，生态仍在早期。
对标竞品
企业搜索与问答巨头，功能全但部署重、价格高
开源 RAG 框架，灵活但需要技术团队自己搭建，无开箱即用的可信溯源
文档问答的普及者，但对企业级长文档的精确溯源能力有限