neo4j/neo4j-graphrag-python

解決的問題

此套件為開發人員提供了一種簡化方法，用於構建 Graph Retrieval Augmented Generation (GraphRAG) 應用程式。它簡化了從非結構化文本中建立知識圖譜，並利用這些圖譜為 LLM 查詢提供更準確、具備上下文感知能力的回答的過程。

工作原理

此函式庫將 Neo4j 與各種 LLM 提供商（如 OpenAI、Anthropic 和 Google）以及嵌入模型整合在一起。它透過三個主要工作流運行：

1. 知識圖譜構建：使用 Pipeline 或 SimpleKGPipeline 類別，從文本或 PDF 中提取實體和關係，在 Neo4j 中構建結構化的知識圖譜。

2. 索引：提供在 Neo4j 中建立和填充向量索引的工具，以實現語義搜尋。

3. 檢索與生成：使用專門的檢索器（如 VectorRetriever）獲取相關的圖數據，並透過 GraphRAG 類別將其傳遞給 LLM 以生成最終回應。

適用對象

使用 Neo4j 構建需要結構化知識檢索、複雜關係映射和混合搜尋功能的 AI 應用程式的 Python 開發人員。

亮點

• 官方支持：由 Neo4j 維護的官方函式庫，具有長期穩定性。
• 靈活的 LLM 集成：支持廣泛的提供商，包括 Ollama、OpenAI、Vertex AI、Gemini、Cohere、Anthropic、MistralAI 和 Amazon Bedrock。
• 混合檢索：支持將向量搜尋與圖遍歷及 Text2Cypher 檢索相結合。
• 外部向量儲存支持：能夠使用 Weaviate、Pinecone 和 Qdrant 等外部向量資料庫。