Åpen kildekodeRAG33k

FAISS

Metas kamptestede bibliotek for likhetssøk i milliardskala.

FAISS (Facebook AI Similarity Search) er et bibliotek fra Meta for effektivt likhetssøk og klynging av tette vektorer. Det implementerer mange indekseringsalgoritmer (IVF, HNSW, PQ, OPQ) med valgfri GPU-akselerasjon, og skalerer til milliarder av vektorer som ikke nødvendigvis får plass i RAM. Det er den de facto lavnivåmotoren som driver vektorsøk i utallige RAG-stakker og høynivå vektordatabaser.

Vis repo

Kodelager

facebookresearch/faiss

Språk

C++

Det du kan bygge med den

Bygge en in-process, høytytende nærmeste-nabo-indeks for et RAG-hentingslag uten å kjøre en separat database
Kjøre GPU-akselerert likhetssøk over svært store embedding-sett der latens og minneavtrykk er avgjørende
Sammenligne og finjustere indekstyper (IVF, HNSW, product quantization) for å avveie presisjon mot hastighet og minne

Tagger

vector-searchannembeddingsgpu