Neo4j + LangChain：如何构建基于知识图谱的最强RAG系统？

自从 Neo4j 宣布与 LangChain 的集成以来，我们已经看到许多围绕使用 Neo4j 和大语言模型（LLM）构建检索增强生成（RAG）系统的用例。这导致了近年来知识图谱在 RAG 中使用的快速增加。基于知识图谱的 RAG 系统在处理幻觉方面的表现似乎优于传统的 RAG 系统。我们还注意到，使用基于代理的系统可以进一步增强 RAG 应用程序。为此，LangGraph 框架已被添加到 LangChain 生态系统中，以为 LLM 应用程序添加循环和持久性。

我将向你演示如何使用 LangChain 和 LangGraph 为 Neo4j 创建一个 GraphRAG 工作流程。我们将开发一个相当复杂的工作流程，在多个阶段使用 LLM，并采用动态提示词查询分解技术。我们还将使用一种路由技术，将查询在向量语义搜索和图 QA 链之间进行分流。使用 LangGraph 的 GraphState，我们将通过从早期步骤中提取的上下文来丰富我们的提示模板。

我们的工作流程的高级示例大致如下图所示。

在深入细节之前，首先回顾一下基于 LangChain 的 GraphRAG 工作流程：

来源：LangChain

一个典型的 GraphRAG 应用涉及使用 LLM 生成 Cypher 查询语言。然后，LangChain 的 GraphCypherQAChain 将生成的 Cypher 查询提交到图数据库（例如 Neo4j）以检索查询输出。最后，LLM 将根据初始查询和图查询的响应返回一个答案。此时，响应仅基于传统的图查询。自从 Neo4j 引入向量索引功能以来，我们也可以执行语义查询。在处理属性图时，有时将语义查询和图查询结合使用或在两者之间进行分流是有益的。

图查询示例

假设我们有一个学术期刊的图数据库，其中包含文章、作者、期刊、机构等节点。

一个典型的图查询“查找引用次数最多的前 10 篇文章”将如下所示：

语义检索示例

“查找关于气候变化的文章”将如下所示：

混合查询

混合查询可能涉及先执行语义相似性搜索，然后使用语义搜索的结果进行图查询。这在我们希望使用属性图（例如学术图）时特别有用。一个典型的问题是“查找关于气候变化的文章，并返回其作者和机构。”

在这种情况下，我们需要将问题解析为多个子查询，以执行必要的任务。向量搜索在这里作为图查询的上下文使用。因此，我们需要设计一个能够容纳此类上下文的复杂提示模板。

LangGraph 工作流程

我们当前的工作流程将有两个分支（见下图）——一个是使用图模式进行简单图查询检索 QA，另一个是使用向量相似性搜索。要跟随这个工作流程，我创建了一个 GitHub 仓库，其中包含所有用于此实验的代码：我的LangGraph示例(https://github.com/sgautam666/my_graph_blogs/tree/main/neo4j_rag_with_langGraph)。该实验的数据集来自 OpenAlex，该平台提供学术元数据。此外，你还需要一个 Neo4j AuraDB 实例。

一般的工作流程设计如下：

def route_question(state: GraphState):
    print("---ROUTE QUESTION---")    
    question = state["question"]    
    source = question_router.invoke({"question": question})    
    if source.datasource == "vector search":        
        print("---ROUTE QUESTION TO VECTOR SEARCH---")        
        return "decomposer"    
    elif source.datasource == "graph query":     
        print("---ROUTE QUESTION TO GRAPH QA---")        
        return "prompt_template"

workflow = StateGraph(GraphState)

workflow.add_node(PROMPT_TEMPLATE, prompt_template)
workflow.add_node(GRAPH_QA, graph_qa)

workflow.add_node(DECOMPOSER, decomposer)
workflow.add_node(VECTOR_SEARCH, vector_search)
workflow.add_node(PROMPT_TEMPLATE_WITH_CONTEXT, prompt_template_with_context)
workflow.add_node(GRAPH_QA_WITH_CONTEXT, graph_qa_with_context)

workflow.set_conditional_entry_point(
    route_question,    
    {    
        'decomposer': DECOMPOSER,         
        'prompt_template': PROMPT_TEMPLATE     
    },
)

workflow.add_edge(DECOMPOSER, VECTOR_SEARCH)
workflow.add_edge(VECTOR_SEARCH, PROMPT_TEMPLATE_WITH_CONTEXT)
workflow.add_edge(PROMPT_TEMPLATE_WITH_CONTEXT, GRAPH_QA_WITH_CONTEXT)
workflow.add_edge(GRAPH_QA_WITH_CONTEXT, END)

workflow.add_edge(PROMPT_TEMPLATE, GRAPH_QA)
workflow.add_edge(GRAPH_QA, END)

app = workflow.compile()

app.get_graph().draw_mermaid_png(output_file_path="graph.png")

这段代码将生成如下所示的工作流程：

在这个 GraphRAG 流程中，我们的工作流程从一个条件入口点开始，该入口点允许我们决定查询流的路线。在这个例子中，START 节点从用户查询开始。根据查询的不同，信息会流向两侧。如果查询需要查找向量嵌入，它将流向右侧。如果查询是简单的基于图的查询，则工作流程遵循左侧部分。工作流程的左侧基本上是之前讨论的典型图查询，唯一的区别是我们在这里使用了 LangGraph。

让我们看看上面工作流程的右侧。我们从一个 DECOMPOSER 节点开始。该节点基本上将用户问题分解为子查询。假设我们有一个用户问题，要求“查找关于氧化应激的文章。返回最相关文章的标题。”

子查询：

• • 查找与氧化应激相关的文章——用于向量相似性搜索
• • 返回最相关文章的标题——用于图 QA 链

你可以理解为什么我们需要分解问题。当将整个用户问题作为输入查询时，图 QA 链会遇到困难。分解是通过使用 GPT-3.5 Turbo 模型和一个基本的提示模板的 query_analyzer 链完成的：

class SubQuery(BaseModel):
    """将给定问题/查询分解为子查询"""    
    
    sub_query: str = Field(   
        ...,        
        description="对原始问题的唯一释义。",    
    )

system = """你是一名专家，能够将用户问题转换为 Neo4j Cypher 查询。
执行查询分解。给定用户问题，将其分解为两个独立的子查询，
你需要回答这些子查询以回答原始问题。

对于给定的输入问题，创建一个用于相似性搜索的查询，并创建一个用于执行 neo4j 图查询的查询。
以下是示例：
问题：查找关于光合作用的文章并返回其标题。
答案：
sub_query1：查找与光合作用相关的文章。
sub_query2：返回文章的标题
"""
prompt = ChatPromptTemplate.from_messages(
    [     
        ("system", system),        
        ("human", "{question}"),    
    ]
)

llm_with_tools = llm.bind_tools([SubQuery])
parser = PydanticToolsParser(tools=[SubQuery])
query_analyzer = prompt | llm_with_tools | parser

向量搜索

右侧分支的另一个重要节点是带有上下文的提示模板。当我们针对属性图进行查询时，如果我们的 Cypher 生成使用图模式，我们将得到期望的结果。通过向量搜索创建上下文，使我们能够将 Cypher 模板聚焦于向量搜索提供的特定节点，从而获得更准确的结果：

带有上下文的提示模板

我们使用存储的向量嵌入的相似性搜索创建上下文。我们可以生成语义上下文或将节点本身作为上下文。例如，这里我们正在检索表示与用户查询最相似的文章的节点 ID。这些节点 ID 作为上下文传递给我们的提示模板。

一旦捕获上下文，我们还希望确保我们的提示模板获得正确的 Cypher 示例。随着 Cypher 示例的增加，我们可以预期静态提示示例开始变得无关紧要，导致 LLM 处理困难。我们引入了一种动态提示机制，根据相似性选择最相关的 Cypher 示例。我们可以在运行时使用 Chroma 向量存储根据用户查询选择 k 样本。因此，我们的最终提示模板如下所示：

注意，动态选择的 Cypher 示例通过 suffix 参数传递。最后，我们将模板传递给调用图 QA 链的节点。我们在工作流程的左侧也使用了类似的动态提示模板，但没有上下文。

与典型的 RAG 工作流程不同，在将上下文引入提示模板时，我们通过创建输入变量并在调用模型链（例如 GraphCypherQAChain()）时传递这些变量来实现：

有时通过 LangChain 链传递多个变量会变得更加棘手：

上述工作流程将不起作用，因为 GraphCypherQAChain() 需要提示模板，而不是提示文本（当你调用链时，提示模板的输出将是文本）。这促使我尝试使用 LangGraph，它似乎可以传递尽可能多的上下文并执行工作流程。

图 QA 链

带有上下文的提示模板之后的最后一步是图查询。从这里开始，典型的图 QA 链用于将提示传递给图数据库以执行查询，并且 LLM 生成响应。请注意，工作流程左侧的类似路径是在提示生成之后。此外，我们还使用类似的动态提示方法在任一侧生成提示模板。

在执行工作流程之前，以下是关于路由链和 GraphState 的一些思考。

路由链

如前所述，我们的工作流程从一个条件入口点开始，该入口点允许我们决定查询流的路线。通过路由链实现这一点，我们使用了一个简单的提示模板和 LLM。Pydantic 模型在这种情况下非常有用：

class RouteQuery(BaseModel):
    """将用户查询路由到最相关的数据源。"""    
    
    datasource: Literal["vector search", "graph query"] = Field(    
        ...,        
        description="给定用户问题选择将其路由到向量存储或图数据库。",    
    )    

llm = ChatOpenAI(temperature=0)
structured_llm_router = llm.with_structured_output(RouteQuery)

system = """你是一名专家，能够将用户问题路由以执行向量搜索或图查询。
向量存储包含与文章标题、摘要和主题相关的文档。以下是三个路由情况：
如果用户问题涉及相似性搜索，请执行向量搜索。用户查询可能包含类似“相似”、“相关”、“相关性”、“相同”、“最近”等术语，表明向量搜索。对于其他情况，请使用图查询。
向量搜索案例的问题示例：
    查找关于光合作用的文章    
    查找与氧化应激相关的类似文章

图数据库查询的问题示例：
    MATCH (n:Article) RETURN COUNT(n)    
    MATCH (n:Article) RETURN n.title

图 QA 链的问题示例：
    查找特定年份发表的文章并返回其标题、作者    
    查找来自位于特定国家（例如日本）的机构的作者
"""

route_prompt = ChatPromptTemplate.from_messages(
    [    
        ("system", system),        
        ("human", "{question}")    
    ]
)

question_router = route_prompt | structured_llm_router

def route_question(state: GraphState):
    print("---ROUTE QUESTION---")    
    question = state["question"]    
    source = question_router.invoke({"question": question})    
    if source.datasource == "vector search":        
        print("---ROUTE QUESTION TO VECTOR SEARCH---")        
        return "decomposer"    
    elif source.datasource == "graph query":    
        print("---ROUTE QUESTION TO GRAPH QA---")        
        return "prompt_template"

GraphState

LangGraph 的一个美妙之处在于信息通过 GraphState 的流动。你需要在 GraphState 中定义所有潜在数据，以便某个节点在任何阶段都可以访问：

要访问这些数据，你只需在定义节点或任何函数时继承 state。例如：

def prompt_template_with_context(state: GraphState):
    question = state["question"]      
    queries = state["subqueries"]    
     
    prompt_with_context = create_few_shot_prompt_with_context(state)       
     
    return {"prompt_with_context": prompt_with_context, "question":question, "subqueries": queries}

讨论完这些主要话

题后，让我们执行 Neo4j GraphRAG 应用程序。

图 QA：

app.invoke({"question": "查找引用次数最多的前 5 篇文章并返回其标题"})

---ROUTE QUESTION---
---ROUTE QUESTION TO GRAPH QA---

> 正在进入新的 GraphCypherQAChain 链...
> 生成的 Cypher：
> MATCH (a:Article) WITH a ORDER BY a.citation_count DESC RETURN a.title LIMIT 5

> 链完成。

graph_qa_result['documents']

{'query': '查找引用次数最多的前 5 篇文章并返回其标题',
 'result': [
  {'a.title': '从蚯蚓堆肥中分离出的腐殖酸增强了玉米根的根伸长、侧根出现和质膜 H+-ATPase 活性'},  
  {'a.title': '快速估算相对含水量'},  
  {'a.title': 'ARAMEMNON，一个用于阿拉伯芥整合膜蛋白的新数据库'},  
  {'a.title': '植物生理学中的多胺。'},  
  {'a.title': '对阿拉伯芥根和芽中硝酸盐反应的微阵列分析揭示了 1000 多个快速反应基因以及与葡萄糖、海藻糖-6-磷酸、铁和硫酸盐代谢的新联系'}]}

带有向量搜索的图 QA：

app.invoke({"question": "查找关于氧化应激的文章。返回最相关文章的标题"})
---ROUTE QUESTION---
---ROUTE QUESTION TO VECTOR SEARCH---

> 正在进入新的 RetrievalQA 链...

> 链完成。

graph_qa_result['documents']

{'query': '返回最相关文章的标题。',
 'result': [{'a.title': '苔藓和谷类之间对脱落酸和应激的分子反应的保守性'}]}

graph_qa_result.keys()
dict_keys(['question', 'documents', 'article_ids', 'prompt_with_context', 'subqueries'])

graph_qa_result['subqueries']

[SubQuery(sub_query='查找与氧化应激相关的文章。'),
 SubQuery(sub_query='返回最相关文章的标题。')]

如你所见，根据用户问题，我们能够成功地将问题路由到正确的分支并检索到所需的输出。随着复杂性的增加，我们必须修改路由链本身的提示。虽然分解对于像这样的应用程序至关重要，但查询扩展是 LangChain 中的另一个功能，尤其是当有多种方式编写 Cypher 查询以返回类似答案时，这可能也是一个有用的工具。

我们已经涵盖了工作流程中最重要的部分。请跟随我的LangGraph示例(https://github.com/sgautam666/my_graph_blogs/tree/main/neo4j_rag_with_langGraph) 代码库以进行更深入的探索。

总结

这个工作流程结合了许多步骤，而我在这里没有讨论所有步骤。然而，我承认，仅使用 LangChain 构建高级 GraphRAG 应用程序遇到了一些困难。通过使用 LangGraph 解决了这些困难。最让我沮丧的是无法在提示模板中引入所需的多个输入变量，并将该模板传递给 LangChain Expression Language 中的 Graph QA 链。

起初，LangGraph 看起来需要大量的学习，但一旦你克服了这个障碍，它就会变得顺畅起来。未来，我会尝试将代理引入到工作流程中。如果你有任何建议，请与我联系。我正在尽可能多地学习。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。