LangChain FAISS索引已填充，调用similarity_search却返回空列表

问题背景 #

使用LangChain结合FAISS构建文档检索器，已完成多篇文档的索引，但调用similarity_search时始终返回空列表。

代码示例 #

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import FAISS
from langchain.schema import Document

docs = [
    Document(page_content="Paris is the capital of France."),
    Document(page_content="Berlin is the capital of Germany."),
    Document(page_content="Tokyo is the capital of Japan.")
]

embeddings = OpenAIEmbeddings(openai_api_key="<API_KEY>")
vectorstore = FAISS.from_documents(docs, embeddings)

query = "What is the capital of Germany?"
results = vectorstore.similarity_search(query, k=2)

print(results)  # 预期返回包含柏林相关内容的Document，实际输出[]

环境信息 #

• langchain==0.0.297
• faiss-cpu==1.7.4
• openai==0.27.4
• Python 3.9.16

关键信息 #

• 预期行为：similarity_search返回包含柏林相关内容的Document，至少返回非空列表
• 实际行为：所有查询均返回空列表
• 已尝试操作：验证docs内容正确、确认vectorstore.index存在向量（构建无报错）

排查与解决步骤 #

1. 验证嵌入向量的有效性 #

嵌入向量生成异常是最常见原因，比如API密钥无效、权限不足导致生成的向量无意义。可以手动计算查询与文档嵌入的相似度：

from sklearn.metrics.pairwise import cosine_similarity

# 生成文档和查询的嵌入
doc_contents = [d.page_content for d in docs]
doc_embeds = embeddings.embed_documents(doc_contents)
query_embed = embeddings.embed_query(query)

# 计算余弦相似度
similarities = cosine_similarity([query_embed], doc_embeds)[0]
print("相似度分数：", similarities)

如果相似度分数都接近0，说明嵌入生成异常，需检查：

• OpenAI API密钥是否有效，是否开通了Embeddings权限
• 网络是否正常，是否能正常访问OpenAI服务

2. 查看检索的相似度分数 #

LangChain的similarity_search默认不返回分数，可能存在匹配到文档但分数过低被过滤的情况，改用similarity_search_with_score查看详情：

results_with_scores = vectorstore.similarity_search_with_score(query, k=2)
print("带分数的检索结果：", results_with_scores)

如果返回结果的分数极低（比如小于0.1），可以考虑调整检索的相似度阈值，或者检查嵌入模型是否匹配（比如文档用text-embedding-ada-002生成，查询是否用了相同模型）

3. 检查向量维度一致性 #

确保文档嵌入和查询嵌入的维度一致，维度不匹配会导致FAISS无法正确计算相似度：

print("文档嵌入维度：", len(doc_embeds[0]))
print("查询嵌入维度：", len(query_embed))

如果维度不一致，需确认OpenAIEmbeddings使用的模型是否一致（默认是text-embedding-ada-002，维度1536），是否有代码中修改了模型参数。

4. 版本兼容性排查 #

langchain0.0.297与faiss-cpu1.7.4可能存在兼容性问题，可以尝试升级FAISS到稳定版本（比如faiss-cpu==1.8.0），或者降级LangChain到适配版本，重新构建索引后测试。

5. 重新构建索引并验证 #

偶尔会出现索引构建时的隐性错误，尝试重新构建vectorstore并验证索引中的向量数量：

vectorstore = FAISS.from_documents(docs, embeddings)
print("索引中的向量数量：", vectorstore.index.ntotal)

如果向量数量与文档数量不一致（这里应该是3），说明索引构建失败，需检查嵌入生成环节是否有异常。

内容的提问来源于stack exchange，提问作者Tony Guo