Faiss的安装可以通过Python的pip包管理器直接进行。确保你的系统已经安装了numpy和pybind11，然后使用以下命令安装Faiss：

pip install faiss-cpu  # For CPU version  

或者，如果你的机器支持GPU，你也可以安装支持GPU的版本：

pip install faiss-gpu  # For GPU version  

一旦Faiss被安装，你就可以在Python程序中导入它并使用了。下面是一个简单的使用样例，演示如何使用Faiss进行向量搜索：

import numpy as np  
import faiss  
# 初始化数据. 假设我们有d维的向量，每个向量的长度为D  
d = 128                            # 数据的维度  
nb = 100000                        # 数据库大小  
np.random.seed(1234)             # 固定随机种子  
xb = np.random.random((nb, d)).astype('float32')  # 随机生成索引向量  
xq = np.random.random((1, d)).astype('float32')   # 随机生成查询向量  
# 构建索引  
index = faiss.IndexFlatL2(d)   # 使用L2距离构建索引  
print(index.is_trained)  
# 添加向量到索引中  
index.add(xb)  
print(index.ntotal)  
# 搜索最近邻  
k = 4                         # 我们想要返回最近邻的个数  
D, I = index.search(xq, k)    # 执行搜索  
print(I)                      # 最近邻的标识符  
print(D)                      # 最近邻的L2距离  

上述代码首先生成了一些随机向量用于索引和查询，然后使用L2距离构建了一个Faiss索引，接着将向量添加到索引中，最后执行最近邻搜索并返回结果。

要注意的是，Faiss的功能远不止于此。