最近在大模型应用中使用图数据库或知识图谱越来越流行。图在表示和存储多样化且相互关联的信息方面具有天然优势,能够轻松捕捉不同数据类型间的复杂关系和属性,从而更好地给大模型提供上下文或数据支持。本文一起来看下如何在大模型应用中使用图数据库或知识图谱。
本文仅是简单入门和体验,不会图数据库或neo4j也无所谓,跟着本文步骤走就可以。本文可以帮你体会一下知识图谱在RAG中的应用方法,有了体会,后面如果需要再学图数据库的使用方法。
0. 什么是知识图谱
0.1 概念
知识图谱是一种结构化的语义知识库,它通过图的形式存储和表示实体(如人、地点、组织等)以及实体之间的关系(如人物关系、地理位置关系等)。知识图谱通常用于增强搜索引擎的语义理解能力,提供更丰富的信息和更准确的搜索结果。
知识图谱的主要特点包括:
1.实体(Entity):知识图谱中的基本单元,代表现实世界中的一个对象或概念。
2.关系(Relation):实体之间的联系,如“属于”、“位于”、“创立者”等。
3.属性(Attribute):实体所具有的描述性信息,如人的年龄、地点的经纬度等。
4.图结构(Graph Structure):知识图谱以图的形式组织数据,包含节点(实体)和边(关系)。
5.语义网络(Semantic Network):知识图谱可以视为一种语义网络,其中的节点和边都具有语义含义。
6.推理(Inference):知识图谱可以用于推理,即通过已知的实体和关系推导出新的信息。
知识图谱在搜索引擎优化(SEO)、推荐系统、自然语言处理(NLP)、数据挖掘等领域有广泛的应用。例如,Google的Knowledge Graph、Wikidata、DBpedia等都是著名的知识图谱实例。
0.2 知识图谱的意义
知识图谱作为一种数据组织形式,其意义在于提供了一种高效、直观的方式来表示和管理复杂的数据关系。它通过图结构的节点和边,将数据以结构化的形式展现,增强了数据的语义表达能力,使得实体间的关系清晰明确。知识图谱显著提升了信息检索的准确性,尤其在自然语言处理领域,它使得机器能够更好地理解和回应复杂的用户查询。知识图谱在智能应用中发挥着核心作用,如推荐系统、智能问答等。
枯燥的介绍之后,下面我们来看下RAG+知识图谱的案例,亲自动手实现一下。
以下案例来自LangChain的官方文档:https://python.langchain.com/v0.1/docs/integrations/graphs/neo4j_cypher/#refresh-graph-schema-information
1. 上手撸代码
1.1 前期准备
(1)首先需要安装一个图数据库,这里我们使用neo4j。
python安装命令:
pip install neo4j
(2)去官方注册一个账号,登录,然后创建一个数据库实例。(用于学习的话选择免费的就行。)
创建完一个在线的数据库实例之后,页面如下:
现在就可以在代码中使用这个数据库了。
1.2 代码实战
(1)在创建完数据库实例之后,你应该会得到该数据的链接、用户名和密码,老规矩,放到环境变量中,然后通过Python加载环境变量:
neo4j_url = os.getenv('NEO4J_URI')
neo4j_username = os.getenv('NEO4J_USERNAME')
neo4j_password = os.getenv('NEO4J_PASSWORD')
(2)链接数据库
LangChain中封装了neo4j的接口,我们只需要导入Neo4jGraph类即可使用。
from langchain_community.graphs import Neo4jGraph
graph = Neo4jGraph(url=neo4j_url, username=neo4j_username, password=neo4j_password)
(3)查询填充数据
可以利用 query 接口进行查询,并返回结果。查询语句的语言是 Cypher 查询语言。
result = graph.query(
"""
MERGE (m:Movie {name:"Top Gun", runtime: 120})
WITH m
UNWIND ["Tom Cruise", "Val Kilmer", "Anthony Edwards", "Meg Ryan"] AS actor
MERGE (a:Actor {name:actor})
MERGE (a)-[:ACTED_IN]->(m)
"""
)
print(result)
# 输出:[]
以上代码输出的是 []
。
(4)刷新图的架构信息
graph.refresh_schema()
print(graph.schema)
从结果来看,schema包含了节点的类型、属性以及类型之间的关系等信息,是图的架构。
我们还可以登录到neo4j的web页面,查看一下图数据库中存储的数据:
(5)图数据库中有了数据,接下来我们就可以进行查询了。
LangChain中封装了GraphCypherQAChain类,可以方便地使用图数据库进行查询。如下代码:
chain = GraphCypherQAChain.from_llm(
ChatOpenAI(temperature=0), graph=graph, verbose=True
)
result = chain.invoke({"query": "Who played in Top Gun?"})
print(result)
执行过程和结果:
先将自然语言(Who played in Top Gun?)通过大模型转换成了图查询语句,然后通过neo4j执行查询语句,返回结果,最后通过大模型转换成自然语言输出给用户。
2. 拓展知识
2.1 GraphCypherQAChain的参数
以上代码,我们使用了LangChain的GraphCypherQAChain类,这是LangChain提供的图数据库查询和问答Chain。它有很多的参数可以设置,比如使用 exclude_types
来设置忽略哪些节点类型或关系:
chain = GraphCypherQAChain.from_llm(
graph=graph,
cypher_llm=ChatOpenAI(temperature=0, model="gpt-3.5-turbo"),
qa_llm=ChatOpenAI(temperature=0, model="gpt-3.5-turbo-16k"),
verbose=True,
exclude_types=["Movie"],
)
输出类似如下:
Node properties are the following:
Actor {name: STRING}
Relationship properties are the following:
The relationships are the following:
类似还有很多参数可用,可以参考官方文档:https://python.langchain.com/v0.1/docs/integrations/graphs/neo4j_cypher/#use-separate-llms-for-cypher-and-answer-generation
2.2 GraphCypherQAChain 的执行源码
下面是GraphCypherQAChain的执行源码,简单看下其执行过程。
(1)cypher_generation_chain
: 自然语言到图查询语句的转换。
(2)extract_cypher
: 取出查询语句,这里是因为大模型可能返回一些额外的说明信息,需要去除。
(3)cypher_query_corrector
: 修正查询语句。
(4)graph.query
: 执行查询语句,查询图数据库,获取内容
(5)self.qa_chain
: 根据原始问题和查询的内容,再次利用大模型组织答案,用自然语言输出给用户。
def _call( self,
inputs: Dict[str, Any],
run_manager: Optional[CallbackManagerForChainRun] = None,) -> Dict[str, Any]:
"""Generate Cypher statement, use it to look up in db and answer question."""
......
generated_cypher = self.cypher_generation_chain.run(
{"question": question, "schema": self.graph_schema}, callbacks=callbacks
)
# Extract Cypher code if it is wrapped in backticks
generated_cypher = extract_cypher(generated_cypher)
# Correct Cypher query if enabled
if self.cypher_query_corrector:
generated_cypher = self.cypher_query_corrector(generated_cypher)
......
# Retrieve and limit the number of results
# Generated Cypher be null if query corrector identifies invalid schema
if generated_cypher:
context = self.graph.query(generated_cypher)[: self.top_k]
else:
context = []
if self.return_direct:
final_result = context
else:
......
result = self.qa_chain(
{"question": question, "context": context},
callbacks=callbacks,
)
final_result = result[self.qa_chain.output_key]
chain_result: Dict[str, Any] = {self.output_key: final_result}
......
return chain_result
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。