rusty-pageindex
高性能Rust实现的文档索引工具，为无向量RAG构建结构化目录树。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：rusty-pageindex。 它的用途是：高性能Rust实现的文档索引工具，为无向量RAG构建结构化目录树。 完整的 Skill 内容见：https://321skill.com/skills/rusty-pageindex/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我索引当前这个项目目录，并总结一下认证模块是如何实现的。” 它会先调用 `rusty-page-indexer index . --enrich` 为你的代码仓库建立带有摘要的索引树，然后通过 `rusty-page-indexer query "认证模块实现"` 在生成的目录树中进行精准搜索，并返回相关的文件路径和上下文摘要，帮助你快速理解代码结构。
介绍
RustyPageIndex 是一个基于 Rust 语言实现的高性能 PageIndex 模式工具。它解决了在处理复杂文档进行检索增强生成（RAG）时，传统向量搜索可能带来的上下文丢失和推理能力不足的问题。该工具通过将文档（如代码库、PDF、Markdown）解析成统一的文件夹→文件→章节的层次化树状结构，为基于推理的RAG提供了清晰的文档脉络。
使用方式非常直接：通过命令行工具索引本地文件夹，即可快速生成文档结构树。它支持多仓库并行索引、增量更新和缓存，并可通过查询命令在索引的所有文档中进行智能搜索。用户还可以选择使用LLM对章节进行总结增强，以获得更丰富的上下文信息。
这个工具非常适合需要深度理解和检索大量结构化文档的开发者、技术文档工程师以及研究分析人员。无论是管理大型代码库的文档、整理研究论文，还是构建个人知识库，它都能提供高效的索引和查询能力。
建议初次使用时，可以先在一个小型项目目录上使用 --dry-run 参数预览索引效果。对于大型仓库，启用 --enrich 选项可以让LLM生成章节摘要，提升后续查询的准确性，但需注意这会增加API调用成本。索引数据默认存储在本地，请注意定期备份。
核心特点
与同类文档索引工具相比，其核心区别在于：1. 采用Rust实现，利用Rayon进行并行处理，索引速度极快（例如238个文件约0.04秒）；2. 采用统一的树形架构存储整个仓库的文档结构，而非扁平化的文件索引，更符合真实文档层次，利于上下文理解。
注意事项
不适合需要实时更新或处理云端非本地文档流的场景，其索引基于本地文件系统。
常见问题
RustyPageIndex 和向量数据库RAG有什么区别？
它不依赖向量嵌入，而是构建文档的目录树结构，通过推理匹配上下文，更适合需要理解文档逻辑结构的复杂查询。
支持索引哪些类型的文件？
主要支持Markdown、PDF和纯文本文件，使用Rust-native解析器进行高效处理。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/rusty-pageindex/raw/index.md 读取 rusty-pageindex 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/rusty-pageindex/raw/index.md（查看排版版本）