FAISS
Meta开源的高效向量相似度搜索库，支持大规模高维向量的最近邻检索，广泛用于语义搜索、推荐系统等场景
核心事实
时间轴 (近 90 天)
向量库（如FAISS、Milvus、Chroma）负责存储和高效检索向量。
FAISS偏向本地高性能检索库，适合原型验证。
实践中常使用嵌入模型（如text-embedding系列）和向量库（如FAISS、Chroma）搭建检索链路，并需关注分块策略、召回数量与重排序等调优环节。
原文作者链接了一份Django + FAISS的RAG实现指南，涉及数据摄入和查询流程的完整路径。
向量搜索是把文本、图像等非结构化数据编码为高维向量（embedding），再用近似最近邻（ANN）算法检索语义相似项的技术，常用实现有FAISS、Milvus、Pinecone、pgvector。
FAISS、Chroma等向量数据库和text-embedding系列嵌入模型是本地索引RAG的典型技术组件
Semantica 完全开源，并支持多语言存储（polyglot），兼容 Blazegraph（RDF三元组存储）、Neo4j、AWS Neptune（标签属性图）以及 FAISS、pgvector（向量存储）
向量索引效率问题通常由近似最近邻（ANN）算法库解决，常见方案包括FAISS、Annoy以及基于图结构的HNSW算法
FAISS是由Facebook AI Research开源的近似最近邻算法库
项目采用 RAG 方案，通过 sentence-transformers 生成向量、FAISS 完成向量检索，对公司的数据表结构、KPI 定义和业务规则进行语义检索
还有 12 条时间轴事件
全部知识事实 (20)
RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答
90%已验证在科研场景中，RAG通常与向量数据库如Pinecone、Weaviate结合使用
80%已验证常见的向量数据库包括ChromaDB、Milvus、Pinecone、Weaviate，它们针对高维向量的近似最近邻（ANN）搜索进行了专门优化
80%已验证FAISS是Meta开源的高性能向量检索库，适合中小规模场景
80%已验证Pinecone、Chroma、Weaviate是常见的向量数据库产品
80%已验证向量数据库的核心操作是近似最近邻搜索（ANN），通过HNSW、IVF等索引算法将相似度计算加速到毫秒级响应
80%已验证主流向量数据库包括Faiss、Milvus、Qdrant、Weaviate，能在毫秒级完成百万级向量的近似最近邻（ANN）搜索
75%已验证FAISS（Facebook AI Similarity Search）是Meta开源的高性能向量检索库，支持Flat精确检索、IVF倒排索引、HNSW图索引等多种索引类型
70%已验证RAG的工程难点集中于Chunk切分策略、Embedding模型选择、检索精度调优（稠密+稀疏混合检索及Rerank重排序）以及多模态内容解析
65%已验证向量数据库（如Milvus、Chroma、Weaviate）使用近似最近邻算法找到意思相近而非字面相同的内容
65%已验证向量存储常用专用向量数据库如Pinecone、Chroma、Weaviate，支持近似最近邻检索
65%已验证向量数据库通过将文本嵌入为高维向量并计算余弦相似度实现语义检索，但缺乏结构化关系表达能力
65%已验证RAG技术栈由向量数据库（如Pinecone、Weaviate、Chroma）、嵌入模型、重排序等技术构成
65%待验证FAISS是Meta开源的向量数据库实现
95%待验证CowAgent使用向量数据库和RAG技术实现长期记忆功能，支持FAISS、Chroma等向量数据库
85%待验证Pinecone、Milvus、Weaviate等主流向量数据库均采用HNSW作为核心索引算法
85%待验证In RAG architecture, when a user asks a question, the system first retrieves the most relevant document fragments from a pre-built knowledge index, then feeds these fragments as context into a large language model, which synthesizes them into a final answer
70%待验证向量库（如FAISS、Milvus、Chroma）负责存储和高效检索向量。
50%待验证FAISS偏向本地高性能检索库，适合原型验证。
50%待验证实践中常使用嵌入模型（如text-embedding系列）和向量库（如FAISS、Chroma）搭建检索链路，并需关注分块策略、召回数量与重排序等调优环节。
50%