FAISS
Biblioteca para busca rápida por similaridade em grandes coleções de vetores, lançada pela Meta em 2017. O motor por baixo de boa parte dos bancos de dados vetoriais de hoje.
Busca exata em bilhões de vetores é inviável em tempo real, então o FAISS oferece índices aproximados que trocam um pouco de precisão por muita velocidade. O IVF divide o espaço em clusters e pesquisa só os mais próximos; o HNSW constrói um grafo navegável em várias camadas; a quantização de produtos comprime os vetores para caberem na memória, muitas vezes a um oitavo do tamanho. Os índices podem ser combinados e rodar em GPUs. É uma biblioteca, não um banco de dados — sem persistência, sem atualização in loco, sem filtro por metadados e sem servidor. Se precisar disso, você constrói em volta ou usa algo que já tenha.