LangChain中的向量数据库接口－Faiss

---

前言

  Facebook AI 相似性搜索 (FAISS) 是一个用于高效相似性搜索和密集向量聚类的库。它包含在任意大小的向量集合中进行搜索的算法，甚至可以处理可能不适合 RAM 的向量。它还包括用于评估和参数调优的支持代码。
  LangChain在其langchain_community.vectorstores包中实现了个FAISS类，用来操作FAISS向量数据库。

一、原型定义

  上图可知，FAISS类派生至VectorStore类（LangChain中的向量数据库抽象基类－VectorStore），实现了其中的add_texts、from_texts和similarity_search三个方法。

二、代码解析

  查看FAISS的代码，可知：

1、add_texts方法

  add_texts覆盖了父类中的同名方法，将参数中的文本数据通过嵌入模型向量化后，结合元数据一起保存到了FAISS数据库中。

add_texts(self,texts: Iterable[str],metadatas: Optional[List[dict]] = None,ids: Optional[List[str]] = None,**kwargs: Any,
) -> List[str]

1.1、应用样例

vstore = FAISS(...)
vstore.add_texts(...)