neo4j/neo4j-graphrag-python

解決的問題

標準的檢索增強生成 (RAG) 通常僅依賴於向量相似性，這可能會忽略實體之間的複雜關係。此套件使開發人員能夠實現 GraphRAG，將 Neo4j 知識圖譜的結構化關係能力與 LLM 的生成能力相結合，從而提供更準確且具備上下文感知能力的回答。

工作原理

該函式庫提供了使用 LLM 驅動的流水線從非結構化文本或 PDF 構建知識圖譜的工具。它支援多種檢索策略，包括向量相似性搜尋、圖遍歷以及結合兩者的混合方法。它與主要的 LLM 提供商（如 OpenAI、Anthropic 和 MistralAI）以及向量資料庫（如 Weaviate、Pinecone 和 Qdrant）整合，以促進端到端的 RAG 工作流。

適用對象

想要利用結構化知識圖譜來增強其基於 LLM 系統的準確性與推理能力的構建進階 GenAI 應用程式的 Python 開發人員。