ChatGPT接入Neo4J，实现精准领域知识问答

我自己构建了一个小型的古籍知识库，想接入ChatGPT，来实现更精准的古籍知识问答。实现的方式应该有很多，但我目前只会最简单的，即：调用chat-gpt的api，通过prompt生成Cypher查询语句进行查询，然后chat-gpt根据查询的结果生成回答。

我主要是根据B站视频 GPT接入Neo4j知识图谱，实现精准知识问答 修改的代码，看见CSDN上也有类似代码，但需要付费订阅才能看。我暂将这个免费的demo记载这里。后续还会采用更智能的方法。

1. 导入相关第三方库

import openai
from neo4j import GraphDatabase
from docx import Document

2. 调用chat-gpt的api，通过Prompt生成Cypher查询语句

openai.api_base = "url" # 换成代理url
openai.api_key = "sk-xxxxxxxx" #your api_key
#api_key = "sk-xxxxx"
#client = OpenAI(api_key = api_key)

start_sequence = "\nA:"
restart_sequence = "\n\nQ:"

# 图谱结构：(杜仲)-[杜仲_又名]->(又名); (杜仲)-[杜仲_功用]->(功用);(杜仲)-[杜仲_地域]->(地域)
system1 = "这是我的neo4j知识图谱结构，根据问题，写一个Cypher查询语句，我希望返回完整的节点，而不只是节点的名字。图谱结构：MATCH(p1:` 矿类 `{name:' 铁 '})<-[r:` 多 `]-(p2)。问题："
question1 = "《山经》中富含铁矿的山有哪些？"

#client.chat.completions.create
#openai.ChatCompletion.create
response1 = openai.ChatCompletion.create(
    model = 'gpt-3.5-turbo',
    messages = [
        {
            "role": "user",
            "content": system1 + question1,
        }
    ],
    # prompt = system1 + question1,
    temperature = 0,
    max_tokens = 100,
    top_p = 1,
    frequency_penalty = 0,
    presence_penalty = 0,
    stop = None
)

#answer1 = response1.choices[0].text.strip()
answer1 = response1.choices[0].message['content'].strip()

print("问题：", question1)
print("查询语句：", answer1)

输出结果如下，可知根据Prompt中的提示生成了对应的Cypher查询语句：

2. 登录neo4j，并使用上一步生成的查询语句进行查询

class Neo4jService(object):
    def __init__(self, uri, auth):
        self._driver = GraphDatabase.driver(uri, auth = auth)

    def close(self):
        self._driver.close()

    def run_query(self, query):
        with self._driver.session() as session:
            result = session.run(query)
            return result.values()


# 将GPT-3的回答当做一个Neo4j查询
username = 'neo4j'
password = 'xxxxx' # your password
auth = (username, password)
neo4j = Neo4jService("bolt://localhost:7687", auth)
result = neo4j.run_query(answer1)
neo4j.close()

3. 根据Neo4j的查询结果，使用chat-gpt生成报告

result2 = str(result)

result2 = result2.replace("Node element_id", "")
result2 = result2.replace("labels=frozenset", "")
result2 = result2.replace("Relationship element_id", "")

system2 = "这是基于我的neo4j的查询结果，根据结果写一个报告。"

response2 = openai.ChatCompletion.create(
    model = 'gpt-3.5-turbo',
    messages = [
        {
            "role": "user",
            "content": system2 + result2,
        }
    ],
    #prompt = system2 + result2,
    temperature = 0,
    max_tokens = 1000,
    top_p = 1,
    frequency_penalty = 0,
    presence_penalty = 0,
    stop = None
)

# answer2 = response2.choices[0].text.strip()
answer2 = response2.choices[0].message['content'].strip()


print("查询结果：", result2)
print("摘要：", answer2)

输出如下：

4. 将结果保存至.docx文档

doc = Document()
doc.add_heading('问题：', level=1)
doc.add_paragraph(question1)
doc.add_heading('cypher查询语句：', level=1)
doc.add_paragraph(answer1)
doc.add_heading('cypher查询结果：', level=1)
doc.add_paragraph(result2)
doc.add_heading('结果描述：', level=1)
doc.add_paragraph(answer2)
doc.save('report.docx') # 保存为docx文件

下图是最终生成的结果中的描述，结合之前创建的知识图谱，或者《山海经》原文，可知这个答案是很准确的。

而下图是GPT-3.5-Turbo的原始回答，可知其对领域知识知之甚少。