通过langchain框架创建多个FAISS数据库索引，请用python代码实现

LangChain框架并不是直接用于创建FAISS数据库索引的，它是基于PyTorch的一个自然语言处理库，主要用于文本向量化和序列建模。但是，你可以使用FAISS（Facebook AI Similarity Search Library）独立地在Python中创建多个索引。

FAISS支持多种索引结构，例如IVF（Inverted File）、HNSW（Hierarchical Navigable Small World）等。下面是一个简单的例子，展示如何使用FAISS在Python中创建并管理多个索引：

from faiss import IndexFlatIP, IndexIVFFlat

# 创建基础向量索引
index_flat = IndexFlatIP(128)  # 假设我们有128维的向量

# 创建IVF索引
index_ivf = IndexIVFFlat(index_flat, num_centroids=100, efConstruction=100)

# 分别对每个索引添加数据
data = ...  # 这里是你需要索引的数据
index_flat.add(data)
index_ivf.add(data)

# 每个索引可以单独使用
query_vector = ...  # 查询向量
print("Flat index result:", index_flat.search(query_vector, k=5))  # 返回最近的k个点
print("IVF index result:", index_ivf.search(query_vector, k=5))  # 使用IVF索引搜索

# 如果你需要管理多个这样的索引，可以将它们放入列表中
indexes = [index_flat, index_ivf]
for idx in indexes:
    idx.add(data)  # 添加数据到所有索引

# 要查询时遍历索引列表
for idx in indexes:
    print(f"Index {idx}:", idx.search(query_vector, k=5))