llm-graph-builder: それが何か、解決する問題、そして注目を集めている理由

解決する課題

このプロジェクトは、PDF、Word 文書、テキストファイル、YouTube 動画、ウェブページなどの非構造化データを、Neo4j に保存された構造化ナレッジグラフへ変換する方法を提供します。生のテキストからエンティティやリレーションシップを抽出して構造化データベースを構築する手作業を不要にします。

仕組み

アプリケーションは Large Language Models (LLMs) と LangChain フレームワークを利用して非構造化入力を解析します。ノード（エンティティ）・リレーションシップ・それらのプロパティを抽出し、Neo4j グラフデータベースへマッピングします。ユーザーは抽出プロセスを導くカスタムスキーマを定義できるほか、既存のスキーマも利用できます。また、データのベクトル埋め込みもサポートしており、ハイブリッド検索機能を実現します。

対象ユーザー

生のドキュメントを下流の AI アプリケーション（RAG（Retrieval‑Augmented Generation）や高度なデータ分析など）でクエリ可能なナレッジグラフに変換したい開発者やデータエンジニア向けに設計されています。

ハイライト

• マルチソース対応: ローカルファイル、GCS、S3 バケット、YouTube、ウェブページからデータをインポート可能。
• 幅広い LLM 互換性: OpenAI、Gemini、Anthropic、Groq、Ollama（ローカル LLM 用）など多数のプロバイダーをサポート。
• 対話型インターフェース: ベクトル、グラフ、ハイブリッドの各チャットモードで生成されたグラフデータとやり取りできる組み込みチャットボットを搭載。
• 可視化: Neo4j Bloom と統合し、生成されたナレッジグラフを視覚化。
• 使用量トラッキング: ユーザーとデータベース接続のトークン使用量を自動でモニタリング。