Agent相关-FAISS 与 LangChain 在文档检索中的分工

FAISS 与 LangChain 在文档检索中的分工

一句话结论

FAISS 只管"向量 → 编号"，LangChain 负责其余全部：编码、存原文、编号转原文、打包返回、存盘。

1 整体流程

python 复制代码

db = FAISS.from_documents(chunks, embeddings)
retriever = db.as_retriever(search_kwargs={"k": 2})
docs = retriever.invoke(question)
store.save_local(save_path)

内部真正发生的事：

text 复制代码

chunks ──embedding──→ 向量 ──FAISS──→ index.faiss
   │
   └──────────────────────────────→ index.pkl（编号→原文）

question ──embedding──→ 查询向量
                          │
                          ▼
                    FAISS 检索 → 编号 [0, 2]
                          │
                          ▼
                   查 index.pkl → 原文
                          │
                          ▼
                   打包成 Document 返回

2 两个文件，两个归属（重点：别被同一路径骗了）

save_local(save_path) 会把两个文件存进同一个目录，很容易误以为都是 FAISS 的，其实归属不同：

文件	存什么	属于谁	FAISS 认不认
`index.faiss`	向量	FAISS	✅ 这是它的全部世界
`index.pkl`	编号 → 原文	LangChain	❌ 完全不知道它存在

为什么放一起？ 因为 save_local 是 LangChain 封装的"一键保存"，它顺手把两者放同一目录方便管理。但同目录 ≠ 同一家。

两边靠插入顺序保证编号一一对应：

text 复制代码

index.faiss[0]  ←→  index.pkl["0"]
index.faiss[1]  ←→  index.pkl["1"]
index.faiss[2]  ←→  index.pkl["2"]

3 逐行拆解职责

第 1 行：`FAISS.from_documents(chunks, embeddings)`

动作	谁做的
chunk → 向量	Embedding 模型
向量存进索引	FAISS
原文按编号存成字典	LangChain

结果 db 里挂着两样：向量索引（FAISS） + 编号→原文字典（LangChain）。

第 2 行：`db.as_retriever(...)`

纯 LangChain，只是把 db 包装成统一接口，不涉及 FAISS。

第 3 行：`retriever.invoke(question)`

步骤	做什么	谁做的
①	question → 查询向量	Embedding 模型
②	向量 → 编号 `[0, 2]`	FAISS
③	编号 → 原文	LangChain
④	打包成 `Document` 返回	LangChain

第 4 行：`store.save_local(save_path)`

动作	谁做的
存 `index.faiss`	FAISS （`faiss.write_index`）
存 `index.pkl`	LangChain（pickle 那个字典）
把两者打包成一个调用、放同一目录	LangChain

4 核心结论

FAISS 的戏份只有两处 ：存向量、返回编号。存盘时也只负责 index.faiss。
LangChain 的戏份 ：调 embedding、维护"编号→原文"映射、把编号还原成原文、打包返回、统一接口、存 index.pkl。
FAISS 是纯向量检索库 ，它不知道"文字"的存在 ；index.pkl 是 LangChain 为了补回原文而额外维护的，与 FAISS 无关。
save_local 把两个文件放同一目录，纯属 LangChain 的封装便利，不代表它们同源。

FAISS 提供向量检索能力，LangChain 提供"检索 + 原文回填 + 一键存盘"的完整链路。