提升Graph-RAG查询生成的提示策略：实用指南

最新推荐文章于 2024-10-02 10:53:34 发布

aehrutktrjk

最新推荐文章于 2024-10-02 10:53:34 发布

阅读量423

点赞数 5

文章标签： python

本文链接：https://blog.csdn.net/aehrutktrjk/article/details/142535412

版权

# 提升Graph-RAG查询生成的提示策略：实用指南

## 引言

在构建基于图形数据库的应用程序时，生成有效的查询至关重要。这篇文章旨在介绍如何优化提示策略，以便有效生成Cypher查询。我们将重点讨论如何在提示中获取与数据库特定信息相关的内容。

## 主要内容

### 安装与设置

首先，确保安装所需软件包并设置环境变量：

```bash
%pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j

需要重启内核以使用更新的软件包。我们以OpenAI模型为默认，但你可以根据需要更换模型供应商。

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass()

连接Neo4j数据库

接下来，定义Neo4j凭据：

os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"

使用示例数据创建数据库连接：

from langchain_community.graphs import Neo4jGraph

graph = Neo4jGraph()

movies_query = """
LOAD CSV WITH HEADERS FROM 
'https://raw.githubusercontent.com/tomasonjo/blog-datasets/main/movies/movies_small.csv'
AS row
MERGE (m:Movie {id:row.movieId})
SET m.released = date(row.released),
    m.title = row.title,
    m.imdbRating = toFloat(row.imdbRating)
FOREACH (director in split(row.director, '|') | 
    MERGE (p:Person {name:trim(director)})
    MERGE (p)-[:DIRECTED]->(m))
FOREACH (actor in split(row.actors, '|') | 
    MERGE (p:Person {name:trim(actor)})
    MERGE (p)-[:ACTED_IN]->(m))
FOREACH (genre in split(row.genres, '|') | 
    MERGE (g:Genre {name:trim(genre)})
    MERGE (m)-[:IN_GENRE]->(g))
"""

graph.query(movies_query)

过滤图形模式

有时，你可能需要在生成Cypher语句时专注于图形模式的特定子集。以下是如何排除Genre节点：

from langchain.chains import GraphCypherQAChain
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
chain = GraphCypherQAChain.from_llm(
    graph=graph, llm=llm, exclude_types=["Genre"], verbose=True
)

Few-shot 示例

包括自然语言问题及其对应Cypher查询的例子有助于提升模型表现，尤其是对于复杂的查询：

examples = [
    {
        "question": "How many artists are there?",
        "query": "MATCH (a:Person)-[:ACTED_IN]->(:Movie) RETURN count(DISTINCT a)"
    },
    ...
]

创建Few-shot提示：

from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate

example_prompt = PromptTemplate.from_template(
    "User input: {question}\nCypher query: {query}"
)
prompt = FewShotPromptTemplate(
    examples=examples[:5],
    example_prompt=example_prompt,
    prefix="You are a Neo4j expert...",
    suffix="User input: {question}\nCypher query: ",
    input_variables=["question", "schema"],
)

动态Few-shot 示例

使用ExampleSelector可以根据输入选择最相关的示例：

from langchain_community.vectorstores import Neo4jVector
from langchain_core.example_selectors import SemanticSimilarityExampleSelector
from langchain_openai import OpenAIEmbeddings

example_selector = SemanticSimilarityExampleSelector.from_examples(
    examples,
    OpenAIEmbeddings(),
    Neo4jVector,
    k=5,
    input_keys=["question"],
)

代码示例

以下是完整的代码示例，演示如何使用这些策略：

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
chain = GraphCypherQAChain.from_llm(
    graph=graph, llm=llm, cypher_prompt=prompt, verbose=True
)

result = chain.invoke("How many actors are in the graph?")
print(result)