neo4j/neo4j-graphrag-python

解决的问题

该软件包为开发人员构建 Graph Retrieval Augmented Generation (GraphRAG) 应用程序提供了一种简化的方法。它简化了从非结构化文本中创建知识图谱，并利用这些图谱为 LLM 查询提供更准确、更具上下文感知能力的回答的过程。

工作原理

该库将 Neo4j 与各种 LLM 提供商（如 OpenAI、Anthropic 和 Google）以及嵌入模型集成在一起。它通过三个主要工作流运行：

1. 知识图谱构建：使用 Pipeline 或 SimpleKGPipeline 类，从文本或 PDF 中提取实体和关系，在 Neo4j 中构建结构化的知识图谱。
2. 索引：提供在 Neo4j 中创建和填充向量索引的工具，以实现语义搜索。
3. 检索与生成：使用专门的检索器（如 VectorRetriever）获取相关的图数据，并通过 GraphRAG 类将其传递给 LLM 以生成最终响应。

适用对象

使用 Neo4j 构建需要结构化知识检索、复杂关系映射和混合搜索功能的 AI 应用程序的 Python 开发人员。

亮点

• 官方支持：由 Neo4j 维护的官方库，具有长期稳定性。
• 灵活的 LLM 集成：支持广泛的提供商，包括 Ollama、OpenAI、Vertex AI、Gemini、Cohere、Anthropic、MistralAI 和 Amazon Bedrock。
• 混合检索：支持将向量搜索与图遍历及 Text2Cypher 检索相结合。
• 外部向量存储支持：能够使用 Weaviate、Pinecone 和 Qdrant 等外部向量数据库。