neo4j/neo4j-graphrag-python

해결하는 문제

표준 검색 증강 생성(RAG)은 종종 벡터 유사성에만 의존하므로 엔티티 간의 복잡한 관계를 놓칠 수 있습니다. 이 패키지를 사용하면 개발자가 GraphRAG를 구현할 수 있으며, Neo4j 지식 그래프의 구조화된 관계형 기능과 LLM의 생성 기능을 결합하여 더욱 정확하고 문맥에 맞는 응답을 제공할 수 있습니다.

작동 방식

이 라이브러리는 LLM 기반 파이프라인을 사용하여 비정형 텍스트 또는 PDF에서 지식 그래프를 구축하는 도구를 제공합니다. 벡터 유사성 검색, 그래프 탐색 및 이 두 가지를 결합한 하이브리드 접근 방식을 포함한 다양한 검색 전략을 지원합니다. 주요 LLM 제공업체(OpenAI, Anthropic, MistralAI 등) 및 벡터 데이터베이스(Weaviate, Pinecone, Qdrant 등)와 통합되어 엔드 투 엔드 RAG 워크플로우를 촉진합니다.

대상 사용자

구조화된 지식 그래프를 활용하여 LLM 기반 시스템의 정확성과 추론 능력을 향상시키고자 하는 고급 GenAI 애플리케이션 구축 Python 개발자.