不切碎，让模型像人看书那样找

有条技术帖喊得挺大："整个 RAG 行业要被掀翻了"——新方案叫 PageIndex（repo 没解析、免费开源待核），四个"不用"：不用向量库、不用嵌入、不用切块、不用相似度。 方法是建一棵树状索引，让大模型像人看书一样在里面推理查找；自称 FinanceBench 98.7%、超所有向量 RAG。 三层一：结构先于检索：接"先定目标卡好上下文"——给模型结构、不是碎片：切块是把书撕碎让它拼，树是给它目录。 二，"像人看书"＝浏览取代搜索：接"一页扫完热榜"——人读目录、向量撞词：撞词赌命中率、读目录赌结构对；三，98.7% 超榜＝分数落点线：新方法总在新基准打旧王——看分先问：谁家的榜、比的哪套旧系统。 口径：①98.7% 其称 FinanceBench、原榜没核；②四个"不用"其描述；③免费开源待 repo；④"掀翻行业"其语气、不是我的判断。 两条：一，选 RAG 先问：给你的是碎片还是结构——要翻长文档的先看支不支持树；二，同样问题跑两遍：切块版和树版各答一遍——分数是榜上的、答案是你自己的。 检索两派打法，一派赌词、一派赌结构——先想清楚你的文档像什么，再选它怎么找。