Faiss là một thư viện mã nguồn mở được phát triển bởi Meta, giúp tìm kiếm nhanh chóng các vectơ tương tự từ một số lượng lớn vectơ.
Faiss là thư viện Tìm kiếm hàng xóm gần nhất (ANN) gần đúng do Meta AI Research phát hành vào năm 2017, xử lý quá trình tìm kiếm nhanh các vectơ tương tự từ một tập hợp lớn các vectơ nhúng và được cho là được áp dụng rộng rãi như một tiêu chuẩn ngành làm cơ sở tìm kiếm cho các hệ thống RAG (Tăng cường truy xuất và tạo). Nó được đặc trưng bởi khả năng chuyển đổi giữa nhiều phương pháp lập chỉ mục như IndexFlat, IVF và HNSW và khả năng điều chỉnh sự cân bằng giữa độ chính xác của tìm kiếm, tốc độ và mức tiêu thụ bộ nhớ. Trong hoạt động thực tế kể từ năm 2026, các cạm bẫy bao gồm thực tế là cấu hình trong bộ nhớ sẽ là tiêu chuẩn, vì vậy nếu lượng dữ liệu vượt quá dung lượng bộ nhớ thì thiết kế sẽ cần phải được xem xét lại và tính bền vững, phân phối cụm và quản lý quyền sẽ cần phải được kết hợp riêng. Mặc dù việc giảm chi phí máy chủ dễ dàng hơn so với cơ sở dữ liệu vectơ được quản lý nhưng nó đòi hỏi phải xây dựng hệ thống vận hành và giám sát nội bộ, vì vậy người dùng tại chỗ phải đưa ra quyết định giữa Faiss và các dịch vụ bên ngoài dựa trên quy mô dữ liệu, tần suất cập nhật và cấu trúc hoạt động.