向量库中向量和原始文本是如何绑定的？FAISS 检索返回的为什么是段落

在使用 FAISS、Milvus 等向量数据库进行语义搜索时，你是否也有这样的疑问：

❓“我明明是用嵌入模型把问题转成向量进行检索，那为什么 FAISS 最终返回的结果是段落文本，而不是向量呢？”

这是一个非常核心且容易被忽略的问题，理解这个问题的本质，有助于你更好地构建 RAG 系统、语义搜索引擎、知识库问答等功能。

---

一、核心观点：向量和原始文本是绑定的，一一映射

你检索出来的不是“向量”，而是：

与向量绑定的原始文本段落

---

二、构建向量库时，系统如何“绑定”文本与向量？

我们以 LangChain + FAISS 为例，来看如何构建向量库并自动完成这种绑定。

✅ 示例代码：

from langchain.vectorstores import FAISS
from langchain.embeddings import HuggingFaceEmbeddings

# 原始段落列表
documents = [
    "PVC is a widely used plastic...",
    "PE is lightweight and flexible...",
    "Aluminum has high recyclability...",
]

嵌入模型将文本转为向量

embeddings = HuggingFaceEmbeddings(model_name=“bge-base-en”)

构建 FAISS 向量库

faiss_db = FAISS.from_texts(texts=documents, embedding=embeddings)

这一步发生了什么？
模型会：

对每个文本生成一个向量（如 768维）

存入 FAISS 向量索引

同时 保存向量与原始段落的映射关系

📌 例如：

向量编号 向量表示 绑定的文本段
#0 [0.12, -0.45, …] “PVC is a widely used plastic…”
#1 [0.05, 0.23, …] “PE is lightweight…”

三、查询时：是怎么从向量查回文本的？

假设你有一个查询：
query = "What is PVC?"
docs = faiss_db.similarity_search(query, k=3)

for doc in docs:
    print(doc.page_content)

系统内部流程：

query → 嵌入模型 → 向量Q
↓
与 FAISS 中所有向量比较 → 找最相似的向量Vi
↓
通过映射找到 Vi 对应的原始文本段落
↓
返回结果

四、为什么不是返回“相似向量”而是返回“段落”？

因为你真正需要的是：“内容”，不是“数学向量”。

向量只是检索的“手段”

文本才是最终大模型生成答案的“材料”

这就像你去图书馆查关键词索引，最终找到的是原始书页，而不是“关键词的编码值”。

五、如何显式绑定更多信息？用 metadata！

你可以为每个段落绑定更多信息，如 ID、来源、文档名、标签等：

FAISS.from_texts(
    texts=["PVC is a plastic...", "PE is flexible..."],
    embedding=embeddings,
    metadatas=[{"id": 1, "type": "material"}, {"id": 2, "type": "polymer"}]
)

之后检索时你就可以拿到：

results = faiss_db.similarity_search_with_score("PVC", k=3)
for doc, score in results:
    print(doc.metadata["id"], doc.page_content)

六、图示理解

【构建阶段】
“PVC is a plastic…” ─→ 向量1 ─┐
“PE is soft…” ─→ 向量2 ─┤→ FAISS 向量库 + 文本绑定关系
“Aluminum…” ─→ 向量3 ─┘

【查询阶段】
“PVC 是什么？”
↓
转成向量Q
↓
和库中所有向量做余弦相似度
↓
找 Top-K 最相似向量
↓
返回这些向量绑定的文本段落

七、总结一句话：

✅ FAISS 检索到的不是“向量”，而是“与向量绑定的原始段落文本”。