LangChain “DistanceStrategy导入错误”引起“更改相似检索方法失效”

LangChain “DistanceStrategy导入错误”引起“更改相似检索方法失效”

**问题：**我们想通过如下方式去修改相似度计算的方法为点积（默认是欧式距离），但修改后发现无效。

db = FAISS.from_texts(texts, embeddings, metadatas=metadatas, distance_strategy=DistanceStrategy.MAX_INNER_PRODUCT)

查看源码：在执行“if distance_strategy == DistanceStrategy.MAX_INNER_PRODUCT:”判断时，结果为false，导致选择的faiss索引为IndexFlatL2（采用欧氏距离）。

@classmethod
    def __from(
        cls,
        texts: Iterable[str],
        embeddings: List[List[float]],
        embedding: Embeddings,
        metadatas: Optional[Iterable[dict]] = None,
        ids: Optional[List[str]] = None,
        normalize_L2: bool = False,
        distance_strategy: DistanceStrategy = DistanceStrategy.EUCLIDEAN_DISTANCE,
        **kwargs: Any,
    ) -> FAISS:
        faiss = dependable_faiss_import()
        if distance_strategy == DistanceStrategy.MAX_INNER_PRODUCT:
            index = faiss.IndexFlatIP(len(embeddings[0]))
        else:
            # Default to L2, currently other metric types not initialized.
            index = faiss.IndexFlatL2(len(embeddings[0]))
        vecstore = cls(
            embedding.embed_query,
            index,
            InMemoryDocstore(),
            {},
            normalize_L2=normalize_L2,
            distance_strategy=distance_strategy,
            **kwargs,
        )
        vecstore.__add(texts, embeddings, metadatas=metadatas, ids=ids)
        return vecstore

解决方案：导入错误引起。

# 将：
from langchain.vectorstores.pgvector import DistanceStrategy
# 修改为：
from langchain.vectorstores.utils import DistanceStrategy