Open SourceRAG33k
FAISS
La bibliothèque éprouvée de Meta pour la recherche par similarité à l'échelle du milliard.
FAISS (Facebook AI Similarity Search) est une bibliothèque de Meta pour la recherche par similarité et le clustering de vecteurs denses à grande échelle. Elle implémente de nombreux algorithmes d'indexation (IVF, HNSW, PQ, OPQ) avec accélération GPU optionnelle, passant à des milliards de vecteurs pouvant dépasser la RAM disponible. C'est le moteur de bas niveau de facto qui alimente la recherche vectorielle dans d'innombrables stacks RAG et bases de données vectorielles de plus haut niveau.
Dépôt
facebookresearch/faissLangage
C++Ce que vous pourriez construire avec
- Construire un index de recherche du plus proche voisin haute performance en cours de processus pour une couche de récupération RAG, sans base de données séparée
- Effectuer une recherche par similarité accélérée par GPU sur de très grands ensembles d'embeddings où la latence et l'empreinte mémoire sont critiques
- Tester et affiner les types d'index (IVF, HNSW, quantification de produit) pour trouver le bon équilibre entre rappel, vitesse et mémoire
Tags
vector-searchannembeddingsgpu