使用Neo4j-Cypher-FT与自然语言交互

老铁们，今天我们来聊聊如何通过自然语言与Neo4j图数据库进行互动，利用的是OpenAI的LLM技术。这波操作可以说是相当丝滑，能让你通过自然的提问生成Cypher查询语句，执行后返回语言化的结果。

技术背景介绍

说白了，这就是把自然语言转换成Neo4j的查询语言Cypher，解决直接用Cypher写查询的痛点。我们利用了全文本索引来提高文本值到数据库条目的映射效率，从而增强Cypher语句的准确性。

原理深度解析

核心在于将用户输入的自然语言解析为对应的数据库查询。这里，全文本索引起到了关键作用，通过它，我们可以精准地将用户提到的人物或电影名等映射到数据库条目。

环境设置

首先，你需要设置一些环境变量：

OPENAI_API_KEY=<YOUR_OPENAI_API_KEY>
NEO4J_URI=<YOUR_NEO4J_URI>
NEO4J_USERNAME=<YOUR_NEO4J_USERNAME>
NEO4J_PASSWORD=<YOUR_NEO4J_PASSWORD>

如果想要用例数据进行测试，可以运行以下Python脚本，这会往数据库灌入电影数据并创建名为entity的全文本索引：

python ingest.py

实战代码演示

要使用这个包，你得先安装LangChain CLI：

pip install -U langchain-cli

然后，你可以创建一个新的LangChain项目并安装这个包：

langchain app new my-app --package neo4j-cypher-ft

或者，把它添加到现有项目中：

langchain app add neo4j-cypher-ft

添加以下代码到你的server.py文件：

from neo4j_cypher_ft import chain as neo4j_cypher_ft_chain

add_routes(app, neo4j_cypher_ft_chain, path="/neo4j-cypher-ft")

优化建议分享

建议在使用过程中配置LangSmith来追踪和调试应用。你可以通过以下命令启用：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>

补充说明和总结

最后，你可以通过以下命令启动一个LangServe实例：

langchain serve

这样就可以通过http://localhost:8000访问本地运行的FastAPI应用，并进行调试了。

今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~

—END—