如何通过索引编号从FAISS数据库提取嵌入向量（Python）

FAISS本身仅存储向量数据，不会自动关联原文档的元信息（比如属于哪份文档），所以要提取第x份文档的嵌入向量，核心是提前维护向量与原文档的映射关系，具体操作如下：

1. 嵌入阶段需同步记录映射关系 #

在将文档分块嵌入并添加到FAISS索引时，要同时保存每个向量对应的原文档编号。比如用一个列表来存储：

import faiss
import numpy as np

# 假设你有N份文档，已分块得到所有向量embeddings（shape: [total_blocks, embedding_dim]）
# 同时维护一个映射列表，每个元素对应向量所属的原文档编号
doc_mapping = []  # 长度等于total_blocks，每个元素是原文档的编号（比如第x份文档编号为x-1或x，按你的编号规则来）

# 初始化FAISS索引
embedding_dim = embeddings.shape[1]
index = faiss.IndexFlatL2(embedding_dim)
index.add(embeddings)

# 保存映射表（可选，比如存为json文件，方便后续加载）
import json
with open("doc_mapping.json", "w") as f:
    json.dump(doc_mapping, f)

2. 提取指定文档的向量 #

加载FAISS索引和映射表后，筛选出属于第x份文档的向量索引，再用FAISS的reconstruct方法提取对应向量：

# 加载FAISS索引和映射表
index = faiss.read_index("faiss_index.faiss")
with open("doc_mapping.json", "r") as f:
    doc_mapping = json.load(f)

# 假设第x份文档的编号是x（根据你的实际编号调整，比如从0开始就用x-1）
target_doc_id = x
# 找到所有属于目标文档的向量在FAISS中的索引
vector_indices = [i for i, doc_id in enumerate(doc_mapping) if doc_id == target_doc_id]

# 提取这些向量
target_embeddings = []
for idx in vector_indices:
    vec = index.reconstruct(idx)
    target_embeddings.append(vec)

# 转成numpy数组方便后续处理
target_embeddings = np.array(target_embeddings)

注意事项 #

• 如果之前嵌入时没有保存映射表，无法直接从FAISS索引中反向推导向量所属的原文档，只能回溯之前的文档分块流程，重新生成映射表。
• 若文档分块数量极大，遍历映射表效率较低，可以提前用字典分组，比如from collections import defaultdict，将文档编号映射到对应的向量索引列表，这样提取时直接查找即可。

内容的提问来源于stack exchange，提问作者user6515293