FAISS

FAISS 是什么？

AI 世界里，文字、图片、声音都被转成一串数字——「向量」。要找「和这个最像的那几个」，光靠暴力一个个比，数据一多就慢到崩溃。FAISS 是 Meta（原 Facebook）开源的向量相似度检索库，专门干这件事：给海量向量建索引，让你在几毫秒内捞出最相似的一批。

它解决什么问题？

相似度搜索
给定一个查询向量，从几百万、几十亿个向量里，快速找出距离最近的那 K 个。
近似最近邻（ANN）
精确搜索太慢，FAISS 用「近似」换「速度」——允许一丁点误差，换来成千上万倍的提速，实际效果几乎无损。
支持 GPU 与磁盘
数据大到内存装不下时，还能用 GPU 加速、或把索引放磁盘上，几亿级向量也能扛。

它是怎么做到的？

索引结构
FAISS 提供多种索引，从暴力的 Flat、到倒排的 IVF、到量化的 PQ（乘积量化），还有针对 GPU 和磁盘的版本，按场景挑。
压缩与剪枝
通过量化把向量压小、通过聚类把搜索范围缩窄，只在小范围内精算，速度自然就上去了。

它用在哪？

最常见的场景是 RAG（检索增强生成）：先把知识库切成片段、转成向量、存进 FAISS，用户提问时先检索出相关片段，再喂给大模型回答。推荐系统、以图搜图、去重、版权检测里也到处是它的身影。

一句话记住：FAISS 是「向量界的搜索引擎」——给海量向量建索引，毫秒级找到最相似的那几个。