这也让我发疯了！我在下面放了一个小的工作示例。TLDR：选择器必须是faiss.SearchParametersIVF的参数
让我们从创建一个简单的索引开始，并搜索整个索引：

import numpy as np
import faiss
# Set random seed for reproducibility
np.random.seed(0)
# Create a set of 5 small binary vectors
vectors = np.array([[1, 0, 1],
                    [0, 1, 0],
                    [1, 1, 0],
                    [0, 0, 1],
                    [1, 0, 0]])
# Initialize an index with the Hamming distance measure
index = faiss.IndexFlatL2(vectors.shape[1])
# Add vectors to the index
index.add(vectors)
# Perform a similarity search
query_vector = np.array([[1, 1, 0]], dtype=np.uint8)
k = 3  # Number of nearest neighbors to retrieve
distances, indices = index.search(query_vector, k)
print(indices)

运行此命令时的输出是[[2 1 4]]。最接近的向量在这些指数处。现在让我们过滤掉索引4，看看会发生什么。这是通过创建选择器，然后将其添加到faiss.SearchParametersIVF中来完成的。

filter_ids = [0, 1, 2, 3]
id_selector = faiss.IDSelectorArray(filter_ids)
filtered_distances, filtered_indices = index.search(query_vector, k, params=faiss.SearchParametersIVF(sel=id_selector))
print(filtered_indices)

这输出[[2 1 0]]所以我们从搜索中删除了第四个索引！