LangChain教程 - 基于图数据库构建问答

在本教程中，我们将介绍如何在图数据库上创建问答链（Q&A Chain）。这种系统可以让我们针对图数据库中的数据提出问题，并以自然语言的形式返回答案。

---

架构

在高层次上，大多数图链的步骤如下：

1. 将问题转换为图数据库查询：模型将用户的输入转换为图数据库查询（例如 Cypher 查询）。
2. 执行图数据库查询：执行生成的图数据库查询。
3. 回答问题：模型使用查询结果回答用户的问题。

---

环境设置

首先，我们需要安装所需的包并设置环境变量。以下示例中，我们使用的是 Neo4j 图数据库。

pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j

我们将在本教程中默认使用 OpenAI 模型。

import getpass
import os

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

此外，您可以选择使用 LangSmith 来跟踪链的执行情况：

# 可选使用 LangSmith 进行链的追踪（非必须）
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()
# os.environ["LANGCHAIN_TRACING_V2"] = "true"

接下来，我们需要定义 Neo4j 的连接凭证。请按照此链接中的安装步骤设置一个 Neo4j 数据库。

Neo4j使用docker安装命令：

docker run -d --name neo4j \
  -p7474:7474 -p7687:7687 \
  -e NEO4J_AUTH=neo4j/neo4j1234 \
  -e NEO4JLABS_PLUGINS='["apoc"]' \
  -e NEO4J_dbms_security_procedures_unrestricted="apoc.*" \
  -e NEO4J_dbms_security_procedures_allowlist="apoc.*" \
  neo4j

设置数据库：

os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "neo4j1234"

下面的示例代码将连接到 Neo4j 数据库，并导入有关电影及其演员的示例数据。

from langchain_community.graphs import Neo4jGraph

graph = Neo4jGraph()

# 导入电影信息
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)

图数据库模式

为了让大型语言模型（LLM）能够生成 Cypher 查询语句，它需要了解图数据库的模式信息。当您实例化 Neo4jGraph 对象时，系统会自动检索图的模式信息。如果您之后对图进行了更改，可以调用 refresh_schema 方法刷新模式信息。

graph.refresh_schema()
print(graph.schema)

假设数据库中定义的节点和关系如下：

• 节点属性：

  • Movie：{imdbRating: 浮点数, id: 字符串, released: 日期, title: 字符串}
  • Person：{name: 字符串}
  • Genre：{name: 字符串}

• 关系：

  • (:Movie)-[:IN_GENRE]->(:Genre)
  • (:Person)-[:DIRECTED]->(:Movie)
  • (:Person)-[:ACTED_IN]->(:Movie)

---

构建问答链

接下来，我们将使用一个简单的链来处理问题。该链将问题转换为 Cypher 查询，执行查询，并使用查询结果来回答问题。

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, verbose=True, allow_dangerous_requests=True  # 显式允许危险请求)
response = chain.invoke({"query": "《Casino》中的演员有哪些？"})
print(response)

在执行这个链时，生成的 Cypher 查询如下：

MATCH (:Movie {title: "Casino"})<-[:ACTED_IN]-(actor:Person)
RETURN actor.name

通过执行该查询，系统返回了《Casino》的演员名单：

{'query': '《Casino》中的演员有哪些？',
 'result': 'James Woods, Joe Pesci, Robert De Niro, Sharon Stone.'}

---

验证关系方向

LLM 生成的 Cypher 查询中，关系方向可能会有错误。由于图模式是预定义的，我们可以使用 validate_cypher 参数来验证并自动修正生成的查询中的关系方向。

chain = GraphCypherQAChain.from_llm(
    graph=graph, llm=llm, verbose=True, validate_cypher=True, allow_dangerous_requests=True  # 显式允许危险请求
)
response = chain.invoke({"query": "《Casino》中的演员有哪些？"})
print(response)

---

完整代码实例

# 导入必要的库
import getpass
import os
from langchain_community.graphs import Neo4jGraph
from langchain.chains import GraphCypherQAChain
from langchain_openai import ChatOpenAI

# 设置OpenAI API密钥
os.environ["OPENAI_API_KEY"] = getpass.getpass(prompt="请输入您的OpenAI API密钥: ")

# 设置Neo4j连接凭证
os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = getpass.getpass(prompt="请输入您的Neo4j密码: ")

# 初始化Neo4j连接
graph = Neo4jGraph()

# 定义查询语句以导入电影及演员数据
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))
"""

# 执行查询以导入数据
graph.query(movies_query)

# 刷新并打印数据库模式
graph.refresh_schema()
print("图数据库模式: ", graph.schema)

# 设置LLM（使用OpenAI的GPT-3.5 Turbo）
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 创建GraphCypherQAChain对象，允许危险查询
chain = GraphCypherQAChain.from_llm(
    graph=graph,
    llm=llm,
    verbose=True,
    validate_cypher=True,
    allow_dangerous_requests=True  # 显式允许危险请求
)

# 生成并执行Cypher查询，获取电影《Casino》的演员
response = chain.invoke({"query": "《Casino》中的演员有哪些？"})
print("问答结果: ", response)

总结

通过本教程，我们了解了如何基于 Neo4j 图数据库和 LangChain 构建问答应用。从问题转换为 Cypher 查询到执行查询并生成自然语言答案，我们简要介绍了实现流程。您可以根据实际需求进一步定制和扩展此系统。

系列文章索引
LangChain教程 - 系列文章