# PageIndex là gì? RAG không cần vector database: lập chỉ mục dạng cây cho tài liệu dài

URL: https://opcaios.org/blog/pageindex-la-gi
Ngày: 2026-11-20
Cập nhật: 2026-11-04
Tác giả: Lê Quốc Nghĩa
Chuyên mục: Hướng dẫn

PageIndex là gì? PageIndex là một công cụ RAG mã nguồn mở của Vectify AI, thay cơ sở dữ liệu vector bằng chỉ mục dạng cây (giống mục lục) cho từng tài liệu, rồi để mô hình ngôn ngữ lớn suy luận đi theo cây đó tới đúng phần cần đọc, như một chuyên gia lật mục lục một báo cáo dài. Theo GitHub API (đọc ngày 04/11/2026), kho `VectifyAI/PageIndex` có khoảng 40.000 sao, 3.440 fork, giấy phép MIT, tạo ngày 01/04/2025 và push gần nhất ngày 03/11/2026; gói Python `pageindex` trên PyPI đang ở bản 0.5.1. Chế độ chạy cục bộ miễn phí, còn PageIndex Cloud tính phí theo trang (0,01 USD mỗi trang lập chỉ mục, theo trang giá đọc ngày 04/11/2026). Bài này giải thích PageIndex khác RAG vector ở đâu, chi phí thật, cách cài, giới hạn và khi nào nên dùng.

![Sơ đồ PageIndex: tài liệu PDF dài được dựng thành cây mục lục gồm chương, mục và trang; câu hỏi đi vào LLM, LLM suy luận chọn nhánh trên cây, đọc đúng các trang liên quan rồi trả lời kèm trích dẫn trang; chạy cục bộ với khoá API của bạn hoặc trên PageIndex Cloud](https://opcaios.org/images/blog/pageindex-la-gi/so-do.webp)
*PageIndex dựng cây mục lục cho tài liệu, rồi để LLM chọn nhánh thay vì so độ giống vector. Sơ đồ: OPCAIOS.*

## PageIndex là gì và ai tạo ra?

PageIndex là "động cơ RAG không vector, dựa trên suy luận" do công ty Vectify AI phát triển, nhóm tác giả Mingtian Zhang, Yu Tang và đội PageIndex. Dự án gồm thư viện mã nguồn mở trên GitHub, dịch vụ PageIndex Cloud, ứng dụng chat tài liệu và Page Search API.

RAG (Retrieval-Augmented Generation) là cách cho mô hình ngôn ngữ đọc tài liệu của bạn trước khi trả lời; nếu chưa quen, xem [RAG là gì?](/blog/rag-la-gi). Cách phổ biến là cắt tài liệu thành đoạn nhỏ, biến mỗi đoạn thành vector, rồi tìm đoạn "giống" câu hỏi nhất. README của PageIndex (GitHub, đọc ngày 04/11/2026) lập luận rằng giống chưa chắc đã liên quan: với báo cáo tài chính, hồ sơ pháp lý hay sổ tay kỹ thuật, đoạn trả lời đúng thường không dùng cùng từ với câu hỏi. PageIndex đi theo hai bước. Đầu tiên, nó dựng một cây phân cấp cho mỗi tài liệu: chương, mục, tiểu mục, kèm tóm tắt và số trang. Tiếp theo, khi có câu hỏi, một mô hình ngôn ngữ lớn đọc cây, suy luận nhánh nào chứa câu trả lời, mở các trang đó ra đọc, rồi trả lời kèm trích dẫn. Dự án nói ý tưởng lấy cảm hứng từ AlphaGo. Kết quả là không cần cơ sở dữ liệu vector và không cần cắt đoạn, đổi lại mỗi lần tìm phải gọi mô hình suy luận.

## PageIndex có những tính năng chính nào?

PageIndex có chỉ mục dạng cây, truy xuất bằng suy luận của mô hình, trích dẫn tới trang, chạy cục bộ hoặc trên đám mây, và tích hợp với các bộ công cụ agent. Bản Cloud thêm OCR, hiểu hình ảnh, thư mục, siêu dữ liệu và máy chủ MCP.

| Tính năng | Mô tả ngắn (theo README và tài liệu, đọc ngày 04/11/2026) |
|---|---|
| Chỉ mục dạng cây | Cấu trúc lấy từ bố cục tài liệu; mô hình chỉ tóm tắt và tinh chỉnh |
| Truy xuất bằng suy luận | LLM đi theo cây thay cho tìm kiếm độ giống vector |
| Trích dẫn | Cục bộ: tới mức trang; Cloud: tới mức khối nội dung |
| PageIndex Flash | Dựng cây nhanh cho PDF dạng chữ, mặc định ở chế độ cục bộ |
| SDK hai chế độ | Một client cho cục bộ (khoá API của bạn) và Cloud |
| Dùng gói [Claude](/tien-ich/claude) | Gọi mô hình Claude qua [Claude Code](/tien-ich/claude-code) bằng gói đăng ký, không cần API key |
| Tích hợp agent | Công cụ cho OpenAI Agents SDK, Claude Agent SDK và framework khác |
| Chỉ có trên Cloud | OCR, tài liệu quét và nhiều ảnh, thư mục, siêu dữ liệu, máy chủ MCP |

## PageIndex có miễn phí không, giá Cloud thế nào?

PageIndex chạy cục bộ thì miễn phí và mã nguồn mở; bạn chỉ trả tiền cho nhà cung cấp mô hình ngôn ngữ. PageIndex Cloud tính theo trang, không có mức tối thiểu hằng tháng, theo trang giá trên docs.pageindex.ai đọc ngày 04/11/2026.

| Hạng mục | Giá (đọc ngày 04/11/2026; chưa gồm thuế, có thể thay đổi) |
|---|---|
| Chế độ cục bộ | Miễn phí, giấy phép MIT |
| Cloud: lập chỉ mục | 0,01 USD mỗi trang, trả một lần |
| Cloud: trang đang hoạt động | 0,001 USD mỗi trang mỗi tháng, miễn phí 1.000 trang đầu |
| Cloud: truy xuất | Không tính phí truy xuất, tiền mô hình trả thẳng cho nhà cung cấp |
| Tín dụng thử | 10 USD, không cần thẻ |
| Triển khai riêng (VPC, tại chỗ) | Liên hệ, chưa công bố giá |

Chi phí ẩn nằm ở mô hình. README nói dựng cây cục bộ tốn khoảng 0,001 USD mỗi trang với một mô hình cơ bản của OpenAI, tức một giáo trình 1.000 trang tốn hơn một đô la (do dự án công bố, chưa kiểm chứng). Tiền lớn hơn thường là phần hỏi đáp: README khuyên dùng mô hình tốt nhất bạn trả được cho bước tìm trong cây, và mỗi câu hỏi là một hoặc nhiều lượt gọi mô hình. Ví dụ trên trang giá: 3.000 trang trên Cloud tốn 30 USD lập chỉ mục và 2 USD mỗi tháng để giữ sẵn sàng.

## Cài PageIndex và bắt đầu như thế nào?

Cài PageIndex cần Python 3.10 trở lên (theo PyPI, đọc ngày 04/11/2026) và một khoá API của nhà cung cấp mô hình, ví dụ OpenAI. Bạn cài gói bằng pip, tạo client với hai mô hình, một để dựng cây và một để hỏi, rồi nộp tài liệu PDF.

1. Đầu tiên, cài gói:

```bash
pip install -U pageindex
```

2. Tiếp theo, đặt biến môi trường khoá API của nhà cung cấp mô hình (README dùng `OPENAI_API_KEY`).
3. Tạo `PageIndexClient` với tham số `index` (mô hình dựng cây, mô hình cơ bản là đủ) và `chat` (mô hình tìm trong cây).
4. Nộp tài liệu bằng `submit_document`, nhận `doc_id`, rồi hỏi bằng `chat`.
5. Cuối cùng, nếu có gói đăng ký Claude, README hướng dẫn cài bản có phần mở rộng Claude:

```bash
pip install -U "pageindex[claude]"
```

Muốn dùng Cloud, bạn lấy khoá PageIndex API trên developer.pageindex.ai và đặt tham số `index` là cloud. Chúng tôi chưa chạy thử các bước trên; chúng lấy từ README.

## PageIndex có giới hạn và rủi ro gì?

PageIndex mạnh với tài liệu dài có cấu trúc rõ, nhưng chế độ cục bộ chỉ xử lý tốt PDF dạng chữ, không có OCR. Mỗi câu hỏi tốn lượt gọi mô hình nên chậm và đắt hơn tìm vector khi số câu hỏi lớn. Dữ liệu tài liệu đi qua nhà cung cấp mô hình bạn chọn.

Giới hạn đầu tiên là định dạng. Theo bảng so sánh trong README (đọc ngày 04/11/2026), bản cục bộ chỉ dành cho PDF dạng chữ; tài liệu quét, hoá đơn chụp ảnh hay báo cáo nhiều biểu đồ cần bản Cloud. Tiếp theo là chi phí và độ trễ: tìm vector gần như không tốn tiền mỗi lượt, còn PageIndex để mô hình suy luận trên cây, nên một hệ thống trả lời hàng nghìn câu hỏi mỗi ngày phải tính kỹ tiền mô hình. Thứ ba là phạm vi: PageIndex thiết kế cho từng tài liệu dài; muốn tìm trên cả kho hàng triệu tài liệu thì dự án giới thiệu PageIndex File System, nhưng đó là tính năng chỉ có trên Cloud. Thứ tư là số liệu: con số 98,7% độ chính xác trên bộ đánh giá FinanceBench và việc "giảm 97% chi phí token" của Page Search API là do dự án công bố, chưa kiểm chứng độc lập. Cuối cùng là dữ liệu cá nhân: ở chế độ cục bộ, nội dung trang vẫn được gửi tới nhà cung cấp mô hình; ở chế độ Cloud, tài liệu được lưu trên máy chủ của Vectify AI. Với hợp đồng, hồ sơ nhân sự hay dữ liệu khách hàng, hãy đọc chính sách dữ liệu của từng bên. Dùng gói Claude qua Claude Code cũng nên đối chiếu điều khoản của Anthropic cho gói bạn đang dùng. Chúng tôi chưa đối chiếu văn bản gốc của các điều khoản này; đây không phải tư vấn pháp lý.

## PageIndex so với RAG vector và các lựa chọn khác

PageIndex khác RAG vector ở cách tìm: suy luận trên cây thay cho so độ giống. Nó không thay hoàn toàn RAG vector; mỗi cách hợp với một kiểu dữ liệu. Đưa cả tệp PDF cho mô hình là lựa chọn thứ ba, đơn giản nhưng đắt dần theo độ dài.

| Tiêu chí | PageIndex | RAG vector (cắt đoạn và nhúng) | Đưa cả PDF vào mô hình |
|---|---|---|---|
| Chỉ mục | Cây mục lục mỗi tài liệu | Vector của từng đoạn | Không có |
| Cách tìm | Mô hình suy luận chọn nhánh | Độ giống ngữ nghĩa | Mô hình đọc hết |
| Trích dẫn | Tới trang hoặc khối | Tới đoạn, thường khó lần lại | Tuỳ mô hình |
| Hợp với | Báo cáo, hồ sơ, sổ tay dài có cấu trúc | Nhiều tài liệu ngắn, hỏi đáp số lượng lớn | Tài liệu ngắn, hỏi ít |
| Hạ tầng | Không cần cơ sở dữ liệu vector | Cần cơ sở dữ liệu vector | Không cần |

*Mô tả chung, không phải đo đạc.* README nói đưa cả PDF tốn gấp 2,1 lần ở tài liệu 52 trang và 16,6 lần ở tài liệu 420 trang so với PageIndex (do dự án công bố, chưa kiểm chứng). Nếu bạn đang dựng chatbot tài liệu bằng công cụ kéo thả, xem [Dify là gì?](/blog/dify-la-gi) và [chatbot AI RAG với Dify và Supabase](/blog/chatbot-ai-rag-dify-supabase).

## Khi nào nên dùng PageIndex?

PageIndex hợp khi câu trả lời nằm sâu trong một tài liệu dài, cần trích dẫn trang để kiểm lại, và bạn chấp nhận trả tiền mô hình cho mỗi câu hỏi. Với kho tài liệu ngắn, hỏi đáp số lượng lớn hay người không viết được Python, cân nhắc cách khác.

| Tình huống | Gợi ý |
|---|---|
| Hỏi đáp báo cáo tài chính, hợp đồng, quy chuẩn kỹ thuật dài | Rất hợp, đúng mục tiêu của dự án |
| Tài liệu quét, nhiều ảnh | Cần PageIndex Cloud |
| Chatbot hỗ trợ khách với hàng nghìn câu hỏi ngắn mỗi ngày | Cân nhắc RAG vector, rẻ hơn mỗi lượt |
| Agent lập trình cần đọc tài liệu dài | Hợp, có công cụ cho Claude Agent SDK và máy chủ MCP trên Cloud |
| Không biết Python | Dùng ứng dụng chat của PageIndex hoặc công cụ RAG kéo thả |

Ví dụ (ví dụ giả định): một người làm kế toán dịch vụ nạp báo cáo thường niên 300 trang của khách, hỏi "biên lợi nhuận hoạt động năm trước là bao nhiêu", nhận câu trả lời kèm số trang, rồi mở đúng trang đó để kiểm tra trước khi gửi khách.

## Kinh nghiệm của OPCAIOS

Chúng tôi mới đưa PageIndex vào danh mục Repo của mục [Tiện ích](/tien-ich) trên opcaios.org sau khi đọc README và kiểm tra kho còn cập nhật; chúng tôi chưa chạy thử, nên phần này nêu tiêu chí chúng tôi dùng để cân nhắc, không phải đánh giá sau khi dùng.

1. **Kho còn được cập nhật không:** có, push ngày 03/11/2026 và bản PyPI 0.5.1 phát hành cùng ngày.
2. **Giấy phép:** MIT cho phần mã nguồn mở; Cloud là dịch vụ trả phí riêng.
3. **Chi phí ẩn:** không cần GPU, nhưng mỗi tài liệu và mỗi câu hỏi tốn tiền mô hình; cần đặt hạn mức chi tiêu trước khi thử với tài liệu lớn.
4. **Có thay được cách đang dùng không:** chỉ đáng thử khi RAG vector trả lời sai trên tài liệu dài có cấu trúc; với ghi chú ngắn, cách cũ vẫn đủ.

Đọc thêm: [LLM là gì?](/blog/llm-la-gi), [MCP là gì?](/blog/mcp-la-gi), [Claude Code là gì?](/blog/claude-code-la-gi), [5 công cụ bộ nhớ cho AI agent tốt nhất 2026](/blog/cong-cu-bo-nho-cho-ai-agent-tot-nhat).

## Câu hỏi thường gặp

### PageIndex có thay thế hoàn toàn vector database không?
Không hẳn. PageIndex bỏ cơ sở dữ liệu vector cho bài toán hỏi đáp trên từng tài liệu dài có cấu trúc, như báo cáo tài chính hay hồ sơ pháp lý, vì ở đó suy luận trên cây mục lục tìm đúng hơn so độ giống. Với kho gồm rất nhiều tài liệu ngắn, hoặc hệ thống trả lời hàng nghìn câu hỏi mỗi ngày, tìm vector vẫn rẻ và nhanh hơn mỗi lượt. Nhiều hệ thống có thể dùng cả hai: vector để chọn tài liệu, PageIndex để tìm trong tài liệu đã chọn.

### PageIndex chạy cục bộ có miễn phí hoàn toàn không?
Phần mềm miễn phí, Vectify AI không tính tiền chế độ cục bộ, theo FAQ trên trang giá đọc ngày 04/11/2026. Nhưng PageIndex cần mô hình ngôn ngữ để dựng cây và tìm trong cây, nên bạn vẫn trả tiền cho OpenAI hoặc nhà cung cấp khác qua khoá API. README ước tính dựng cây khoảng 0,001 USD mỗi trang với mô hình cơ bản (do dự án công bố, chưa kiểm chứng); phần hỏi đáp tốn thêm tuỳ mô hình. Người có gói Claude có thể dùng gói đó qua Claude Code.

### PageIndex có đọc được tài liệu tiếng Việt không?
README không nói riêng về tiếng Việt. Chế độ cục bộ lấy cấu trúc cây từ bố cục PDF dạng chữ, còn phần tóm tắt và suy luận do mô hình ngôn ngữ bạn chọn đảm nhận, nên chất lượng với tiếng Việt chủ yếu phụ thuộc mô hình đó và độ sạch của PDF. Tài liệu quét hoặc ảnh chụp cần OCR, chỉ có trên bản Cloud. Chúng tôi chưa thử với tài liệu tiếng Việt, nên hãy thử trên vài tài liệu mẫu trước khi dựng cả hệ thống.

### Số liệu 98,7% trên FinanceBench có đáng tin không?
Con số 98,7% độ chính xác trên FinanceBench, bộ câu hỏi về tài liệu tài chính, là do Vectify AI công bố trên blog và kho đánh giá của họ, chưa được kiểm chứng độc lập trong bài này. Dự án có công khai dữ liệu và hướng dẫn chạy lại trên GitHub, đó là điểm tốt. Kết quả trên báo cáo tài chính tiếng Anh không đảm bảo kết quả tương tự với tài liệu của bạn. Cách đáng tin nhất là tự đặt 20 đến 30 câu hỏi có đáp án sẵn trên tài liệu thật rồi so.

### Người không biết code có dùng được PageIndex không?
Thư viện mã nguồn mở cần viết vài dòng Python và quản lý khoá API, nên người không biết code sẽ khó tự cài. Lựa chọn dễ hơn là ứng dụng chat tài liệu của PageIndex trên web, hoặc nhờ một agent lập trình như Claude Code viết đoạn mã mẫu theo README rồi đọc kỹ trước khi chạy. Dù chọn cách nào, đừng nạp tài liệu nhạy cảm trước khi đọc chính sách dữ liệu. Muốn học cách đưa AI vào công việc với tài liệu thật, xem [khoá đào tạo ứng dụng AI](/services/dao-tao-ung-dung-ai) của OPCAIOS.

*Nguồn: GitHub VectifyAI/PageIndex (README, API, đọc ngày 04/11/2026: khoảng 40.000 sao, 3.440 fork, MIT), PyPI pageindex 0.5.1, trang giá docs.pageindex.ai/pricing và pageindex.ai (đọc ngày 04/11/2026); chưa đọc/chưa kiểm chứng: bài blog FinanceBench, kho benchmark, chính sách dữ liệu của PageIndex Cloud, điều khoản dùng gói Claude qua Claude Code; số sao và giá có thể thay đổi. Kinh nghiệm là của OPCAIOS.*
