构建一个基于图数据库的问答应用 | 🦜️🔗 LangChain

type

status

date

slug

summary

构建图数据库的问答系统需要执行模型生成的图查询。这样做存在风险。请确保您的数据库连接权限始终尽可能地限定在应用的需求范围内。这将减轻但不能完全消除构建模型驱动系统的风险。有关一般安全最佳实践的更多信息，请参见此处。

总体上大多数图链的步骤包括：

首先，获取所需的包并设置环境变量。在这个例子中，我们将使用Neo4j图数据库。

接下来，我们需要定义Neo4j的认证信息。按照这些安装步骤来设置Neo4j数据库。

下面的例子将创建与Neo4j数据库的连接，并使用有关电影及其演员的示例数据填充。

为了让大型语言模型（LLM）能够生成Cypher语句，它需要有关图架构的信息。当实例化一个图对象时，它会检索有关图架构的信息。如果对图进行了任何更改，可以运行refresh_schema方法来刷新架构信息。

我们已经有了一个可以查询的图数据库。现在让我们尝试将其连接到一个大型语言模型（LLM）。

我们构建一个简单的链，它接受一个问题，将其转换为Cypher查询，执行查询，然后使用结果来回答原始问题。

LangChain 提供了一个内置的链，可以使用 GraphCypherQAChain 的 from_llm，它专为与 Neo4j 配合使用而设计，用于实现这个工作流程。

LLMs 在生成的 Cypher 语句中可能会在处理关系方向上遇到困难。由于图架构是预定义的，我们可以使用 validate_cypher 参数来验证并可选地纠正生成的 Cypher 语句中的关系方向。

对于更复杂的查询生成，我们可能想要创建少量样本提示或添加查询检查步骤。对于这类高级技术以及更多相关内容，请查看以下资源：

官网地址：

小灰