faiss标签_AtomGit开源社区

faiss

Vector Store：FAISS、Chroma、Milvus、Qdrant、ES 怎么选？

图 7：本章总结Vector Store 不负责让模型变聪明。它负责把资料找准。找得准，模型才有机会答得准。找不准，后面的 Prompt 再漂亮，模型也只能胡说。源码层面，它就是一套统一抽象：Document 入库，Embedding 生成向量，VectorStore 保存索引，Retriever 调用检索，最后返回 List[Document]。工程层面，它是一套选型问题：小数据用轻量方案，快速

 闵浮龙
2026-06-14 08:19:22

 467

 4

#faiss #milvus #elasticsearch +2
gRPC结合FAISS构建AI助手语义缓存模块（一）：设计

本文提出了一种基于语义相似度的AI聊天助手缓存优化方案。针对现有KV存储仅支持字面匹配的问题，系统整合了FAISS向量搜索、自研KV存储和gRPC通信三大组件：1）采用SentenceTransformer将用户提问编码为768维向量；2）通过FAISS计算向量相似度实现语义级检索；3）用KV存储维护ID-Answer映射；4）通过gRPC实现Go服务与Python语义层的跨语言通信。方案包含五层

 GentalYuan
2026-06-12 15:40:55

 305

 8

#faiss #人工智能 #缓存
从 PDF 到 FAISS 向量索引：构建本地 RAG 数据预处理流水线

本文介绍了一个完整的PDF文档预处理流水线，用于构建本地RAG系统的向量索引。该方案能够自动处理文本型PDF和扫描件（通过OCR），使用中文嵌入模型BAAI/bge-small-zh-v1.5进行文本向量化，并构建FAISS索引。核心流程包括：PDF文本提取与OCR回退机制、语义分块处理、向量化及索引构建。文章详细说明了环境配置、输入输出格式、核心代码逻辑，并提供了使用示例和优化建议。该方案完全开

 li星野
2026-06-11 21:00:00

 484

 6

#faiss
【字节跳动】FAISS索引增量更新/持久化、DIN完整离线训练数据集逻辑、Flink多流拼接、天盾全链路风控流水线、NCode协议二进制封包、GR3底层驱动帧格式、全局限流熔断、日志隐秘埋点、内存镜像

本文摘要：技术方案涵盖多个核心模块：1）FAISS索引支持增量更新与磁盘持久化；2）DIN模型实现离线数据集构造与完整训练流程；3）Flink多流（行为+画像）拼接计算用户兴趣衰减；4）天盾风控全链路流水线（特征抽取→评分→拦截决策）；5）NCode协议二进制封包与GR3机械臂驱动解析；6）全局令牌桶限流熔断机制；7）日志隐秘埋点与内存防篡改安全设计；8）统一鉴权网关与配置热加载能力。通过C++

季念&季凡
2026-06-08 11:17:03

 345

 7

#faiss #flink #python
关于下载pip install faiss-cpu失败的问题

1、下载pip install faiss-cpu失败。2、使用国内镜像后，下载成功。

veminhe
2026-06-07 20:11:02

 242

 5

#pip #faiss #python
Hermes桌面端来了！我捏了一个比我更会打工的AI同事

昨天，Hermes Agent 桌面端上线了。看到这个消息的时候，我第一反应是：Hermes 真是把饭喂到嘴边了。

程序猿李巡天
2026-06-06 21:26:47

 275

 5

#人工智能 #java #开发语言 +2
FAISS 详解：原理、使用与面试指南——向量检索的基石

本文全面介绍了FAISS向量检索库的原理与应用。FAISS由Facebook开发，能够高效实现海量向量的相似性搜索，将时间复杂度从O(N)降至次线性级别。文章从基础概念出发，详细解析了FAISS的核心功能、典型应用场景（推荐系统、图像检索、RAG等），并通过代码示例展示了从索引创建、向量添加、搜索到保存加载的全流程操作。特别介绍了自定义ID映射、多种索引类型选择（包括Flat、IVF、HNSW、P

li星野
2026-06-05 19:46:17

 505

 4

#faiss #面试 #职场和发展
纠结 RAG 还是微调？一篇文章讲清 RAG、微调、长上下文到底怎么选！

今天聊一个 AI Agent 很经典的技术选型问题：为什么要用 RAG？它和微调、和直接把资料塞进长上下文相比，到底优劣在哪？这道题考查你有没有方案选型的判断力——知道什么场景该用什么、为什么，开始之前，先抛几个问题，你可以先想想：

程序猿李巡天
2026-06-05 11:58:57

 280

 8

#java #开发语言 #数据库 +1
LangChain+LangGraph 智能 Agent 核心逻辑

什么是大模型 Agent单纯的大模型，只会基于自身知识生成文本，存在两个明显短板：

程序猿李巡天
2026-06-03 19:57:00

 211

 6

#java #开发语言 #数据库 +3
Harness Engineering全面解析：OpenAI、Anthropic、ThoughtWorks的三种答案

2026年2月，OpenAI发了一篇博客，悄悄重新定义了软件工程师的日常工作。标题只有两个词： **"Harness Engineering"** 。

小天才学习机打游戏
2026-05-20 20:17:01

 468

 5

#数据库 #faiss #milvus +2
向量数据库选型：FAISS、Milvus、Pinecone到底怎么选？

他们以为向量数据库就是"把向量存进去、搜出来"，选哪个差别不大。但真的上了生产才发现：选错了，要么搜得太慢，要么存得太贵，要么你需要的功能它不支持。

小天才学习机打游戏
2026-05-18 19:41:16

 451

 11

#数据库 #faiss #milvus +4
31.Cursor 初体验：用 AI Agent 给 PaperPilot 做一次最小工程重构

其实经过Cursor的使用，我感觉系统的开发方式其实已经发生了系统性的改变，过去可能需要人来设计系统和纯手敲代码，但是今天的工作方式更多的应该是给ai写提示词，指挥ai工作，这可能才是未来工程师的工作，工程师与ai构成一个人机协同系统，完成项目的开发。接着Cursor遍开始按照前面制定的计划开始修改项目，每一个改动都可以在对话中被观测到，其实给我的最大感觉，这个Cursor和装了AI assist

Muyuan1998
2026-05-18 10:38:14

 515

 12

#人工智能 #重构 #fastapi +3
29.从 FAISS 到 Milvus：给我的 RAG Agent 项目加一层可替换的向量检索后端

总体来看，通过这次升级我感觉 FAISS 知识向量数据库更像是一种内存级的知识向量数据库，Milvus 像是更像是一种存在文件系统里面的数据库，可能用传统数据库打比方，FAISS 更像是 Redis ，Milvus像是Mysql。当前的 Paper-RAG-Agent-with-LangGraph 系统使用的 FAISS 知识向量数据库，但是和落地场景下的实际项目还有差距，这次升级主要目的是把这个

 Muyuan1998
2026-05-17 16:51:27

 619

 9

#faiss #milvus #fastapi
向量数据库选型与实践：Chroma、Milvus、Pinecone、Faiss、Elasticsearch 对比

本文系统对比了五大主流向量数据库（Chroma、Faiss、Milvus、Pinecone、Elasticsearch）的核心原理与适用场景。作者从RAG应用需求出发，首先解析向量数据库的核心概念，包括ANN算法（HNSW、IVF等）和关键性能指标（QPS、召回率等）。随后对每个数据库进行深度剖析：Chroma适合轻量级入门，Faiss专注高性能检索，Milvus提供分布式能力，Pinecone是

 成长的小鸟
2026-05-13 22:07:55

 541

 9

#数据库 #milvus #faiss
FAISS 向量维度不匹配：从 AssertionError 到 MRL 客户端截断的实践

不要信任dimensions参数：使用本地模型（LM Studio、Ollama 等）时，务必验证实际返回的向量维度。MRL 是客户端能力：很多模型支持 MRL，但推理后端不一定支持服务端截断。客户端切片 + 归一化是更通用的方案。归一化不可省略：截断后必须重新 L2 归一化，否则相似度计算会失真。Windows 终端乱码：如果遇到中文乱码，设置环境变量即可解决，无需修改代码。

xujianfei2851
2026-05-05 23:02:26

 411

 8

#faiss
27.RAG 系统中的上下文充分性判断：从 Chunk 数量、FAISS 距离到 LLM Relevance Gate

通过RAG技术可以在一定程度上消除大模型的幻觉，但是如果召回的知识不够充分，那么大模型的回答仍会存在一定幻觉，验证上下文是否充分是为了判断大模型回答的结果是否可信。context_sufficient 现在判断的是“检索结果是否相对接近”，但没有判断“这些结果是否真的回答了用户问的具体主题”。个距离最小的——它只能告诉你"这是索引里最接近的"，不能告诉你"它真的回答了你的问题"。“假设用户问的是论

 Muyuan1998
2026-05-02 21:37:13

 839

 23

#faiss #python #django +1
LangChain 向量存储：Chroma、FAISS

简单来说，嵌入就是把文本转成一串数字（向量），这串数字能表示文本的语义含义。语义相似的文本，它们的向量距离很近语义不同的文本，它们的向量距离很远「人工智能」的向量 →「AI」的向量 →（和上面的距离很近）「猫」的向量 →（和上面的距离很远）向量存储的核心价值：用语义检索代替关键词匹配，能理解文本的语义含义Chroma 的优势：轻量、简单、和 LangChain 集成最好，适合入门和小项目核心步骤：

赤狐尼克
2026-05-02 16:49:35

 473

 11

#faiss #人工智能 #python +1
Faiss数据库：高维向量检索的终极武器

Faiss通过创新的索引结构和优化算法，解决了高维向量相似性搜索这一核心难题。无论是千万级图片检索，还是亿级推荐系统，Faiss都展现出惊人的性能。掌握Faiss的原理和优化技巧，能让你在大数据时代的竞争中占据优势。

marico123
2026-04-21 08:53:02

 500

 7

#faiss #数据库
从零搭建你的第一个 RAG 问答应用：FAISS + OpenAI + Gradio 完整教程

面向 Python 初学者 | 无需 AI 背景 | 跟着做就能跑起来

 m0_64880268
2026-04-19 14:05:41

 380

 6

#faiss #RAG #python
第9节：FAISS，HNSW还是BM25？如何选择最适合业务的向量检索引擎？如何选择最适合业务的向量检索引擎

本文对比了BM25、FAISS和HNSW三种检索引擎的性能特点和应用场景。BM25基于词频统计，冷启动快、资源消耗低，适合关键词匹配场景；FAISS支持大规模向量检索，GPU加速性能优异；HNSW采用图结构索引，在召回率和延迟方面表现突出。实验结果显示，三种引擎各有所长：BM25内存占用最低（约50MB），但召回率相对较低；FAISS和HNSW召回率更高（0.9+），但内存占用较大（200MB+）

guslegend
2026-04-13 08:39:54

 683

 15

#faiss #RAG #人工智能
十四自由度整车动力学模型Carsim+Matlab/Simulink联合仿真验证软件使用：C...

汽车动力学仿真工程师的日常，总离不开和自由度较劲。十四自由度包含：整车纵向，横向，横摆，车身俯仰，侧倾，垂向跳动，车轮的四轮旋转和垂向自由度，每个自由度的数据都可在simulink当中实时查看。十四自由度包含：整车纵向，横向，横摆，车身俯仰，侧倾，垂向跳动，车轮的四轮旋转和垂向自由度，每个自由度的数据都可在simulink当中实时查看。包含模块：转向系统，整车车身系统，悬架系统，魔术轮胎，车轮系统

 MhNHJesogA
2026-04-06 18:15:00

 306

 5

#faiss
三大向量数据库横向评测：性能、易用性、扩展性大比拼

向量数据库是专门用于存储、管理和检索向量数据（数值数组）的数据库系统。大语言模型的输出是向量Embedding 模型将文本/图像转换为向量相似度搜索需要高效的向量检索项目信息发布时间2022 年开发商开源协议Apache 2.015k+定位AI 原生向量数据库语言项目信息发布时间2017 年开发商开源协议MIT25k+定位向量相似度搜索库语言C++、Python项目信息发布时间2019 年开发商Z

渺野
2026-04-02 23:38:40

 628

 11

#数据库 #faiss #milvus
fewshot示例是否应被当作向量记忆存储在RAG

fewshot示例通常指的是单个示例，用于展示输入输出对，帮助模型理解任务格式或风格。在RAG中向量记忆通常指将文档或知识片段向量化后存储，用于检索相关上下文。那fewshot示例是否适合存入向量数据库作为检索对象，即当作向量记忆存储在RAG中？绝大多数场景下few-shot 示例不应该存在向量记忆（RAG）里。它们属于Prompt 模板/系统指令，不属于用户/业务知识库。

liliangcsdn
2026-03-31 16:57:30

 382

 7

#人工智能 #全文检索 #faiss +1
数模中各类模型算法的Matlab实现大揭秘

数模各种模型算法matlab代码实现[分类、评价、预测、优化、数据处理]adaboost经典的分类算法代码，K近邻法分类代码，RQA对离散时间序列进行递归图分析，动态聚类或迭代自组织数据分析算法问题代码，评价与決策类题型参考代码，层次分析法评价，基于EDA数据包络分析的综合评价代码，基于模糊神经网络的嘉陵江水质评价分析的典型相关分析代码，元数据分析的广义典型相关分析代码，优化与控制题型参考代码GA

oBxkQwKTLam
2026-03-30 17:45:00

 320

 10

#faiss
如何使用向量库faiss和LLM判断问题是否被记录

在实际去重应用场景中，我们可能经常需要判断某个问题检查是否被记录。问题库规模可能很大，比如几千条记录，直接人工判断不太现实。这里基于网络资料，尝试直接用LLM以及基于相似性判断，探索高效准确的去重方案。

liliangcsdn
2026-03-28 00:20:42

 380

 8

#faiss #人工智能 #全文检索
Chroma DB与FAISS等向量数据库中的层次可导航小世界 (HNSW)索引算法介绍

HNSW（层次可导航小世界）是一种高效的近似最近邻搜索算法，通过构建多层图结构实现快速搜索。它借鉴了小世界网络和跳表的思想，从顶层（稀疏连接）到底层（密集连接）逐层导航，利用贪婪搜索策略快速定位目标。关键参数包括连接数M、构建和搜索时的候选数efConstruction/efSearch。HNSW在保证高召回率（90-99%）的同时实现对数时间复杂度，特别适合处理高维数据，但需要权衡准确性、内存和

 dzling1
2026-03-26 16:36:59

 605

 12

#faiss #算法 #数据库
Day24（进阶篇）：向量数据库 Chroma_FAISS 深度攻坚 —— 索引优化、性能调优与生产级落地

本文深入探讨向量数据库Chroma和FAISS的生产级优化策略。文章首先对比了暴力搜索(KNN)与近似最近邻搜索(ANN)的区别，重点解析了HNSW索引原理及其参数调优方法。通过详细对比Chroma与FAISS在索引类型、持久化、性能等方面的差异，帮助开发者根据场景选择合适的方案。实战部分提供了Chroma批量写入优化和FAISS的HNSW索引+GPU加速两种生产级实现方案，包含异常处理、索引备份

 深藏功yu名
2026-03-25 13:53:02

 1146

 35

#数据库 #faiss #AI +2
探索基于非奇异终端滑模控制的二自由度机械臂系统

基于非奇异终端滑模控制的二自由度机械臂系统[1]理论说明文档：进行机械臂轨迹跟踪控制器理论设计说明[2]NTSMC控制：是通过引入非线性辅助项，将滑模控制器的终端项从奇异点(可能导致系统决策和切换问题)移动到非奇异点。这种改进使得系统的控制性能更加稳定可靠，提高了系统对参数变化和扰动的抑制能力。同时，NTSMC还可以通过设计合适的终端面和非线性辅助项，实现对机械臂系统的精确跟踪控制和高鲁棒性[3]

axPpcfNN
2026-03-23 17:00:00

 377

 9

#faiss
在RAG系统中对FAISS，HNSW，BM25向量检索引擎选型的问题

在RAG系统中对FAISS，HNSW，BM25向量检索引擎选型的问题

 zhaojiew10
2026-03-23 16:46:44

 555

 9

#faiss #人工智能 #机器学习
Faiss：大规模向量相似度检索

Faiss的全称是，是Meta（原Facebook）AI研究院针对大规模向量相似度检索问题开发的开源工具库。高性能：使用C++编写，底层做了大量优化（如SIMD指令、GPU并行计算），对10亿量级的索引可以做到毫秒级检索多语言支持：虽然核心是C++，但提供了简洁易用的Python接口，对Python开发者非常友好索引类型丰富：支持Flat、IVF、HNSW等多种索引结构，可根据数据量和精度需求灵活

 Le0v1n
2026-03-22 12:05:37

 849

 9

#faiss
电容器分组投切建模

举个接地气的例子，把配电网潮流方程里的非凸约束写成旋转二阶锥形式，就像把乱糟糟的毛线团绕成规整的线球。传统的启发式算法在全局最优解和求解速度上均无法满足主动配电网运行要求，而基于线性化的最优潮流方法在高阻抗的配电网中适用性也较弱。传统的启发式算法在全局最优解和求解速度上均无法满足主动配电网运行要求，而基于线性化的最优潮流方法在高阻抗的配电网中适用性也较弱。基于此，文章

 tIjJrDKv
2026-03-20 14:45:00

 381

 5

#faiss
TCU变速箱控制器仿真模型：从代码到现实的传动艺术

TCU变速箱控制器仿真模型的开发是一个充满挑战又极具成就感的过程。从最初的代码编写，到最终的量产应用，每一个环节都需要细致入微的关注和严谨的思考。这个项目让我深刻体会到，优秀的代码不仅要实现功能，更要具备良好的可读性和可维护性。如果你对汽车控制领域感兴趣，欢迎随时交流，我们可以一起探讨更多有趣的技术细节！

QQ68823886
2026-03-18 10:15:00

 47

#faiss
基于 LangChain + 通义千问 + FAISS 构建 RAG 问答系统

摘要：RAG（检索增强生成）技术通过结合知识库检索与大模型生成，解决了大模型知识过时、幻觉和私有数据处理三大问题。其实现流程包括：1）使用PyPDFLoader加载文档；2）通过RecursiveCharacterTextSplitter进行文本分割；3）利用DashScopeEmbeddings生成文本向量；4）使用FAISS构建向量库实现高效检索；5）结合ChatOpenAI模型和Conver

爱打代码的小林
2026-03-16 20:32:39

 843

 19

#faiss #RAG
我把本地文档 RAG 做成了可用系统：Flask + Vue3 + LangChain + FAISS（多知识库 + 流式输出）

我把这些做成了一个完整项目：docs-rag-chat。技术栈是 Flask + Vue3 + LangChain + FAISS，后端支持按 app_id 隔离知识库，前端支持实时流式渲染答案。项目地址：https://github.com/eagle1949/docs-rag-chat。

DevDose
2026-03-14 16:08:47

 116

#flask #faiss