整合

> Langchain-kùzu集成软件包现已在PYPI上可用，无缝将Langchain的功能与Kùzu的图形数据库连接起来。这种强大的组合简化了将非结构化文本转换为结构化图，从而使数据科学家，开发人员和AI爱好者都受益。 让我们探索其关键功能和功能。

关键学习点

本教程将涵盖：

• >使用langchain-kùzu将非结构化文本转换为结构化的图形数据库。
定义自定义图表架（节点和关系）以匹配您的数据。
• >
>使用Kùzu和Langchain的LLM工具创建，更新和查询图。 通过Langchain的GraphQachain使用图形数据库的自然语言查询。
>使用高级功能，例如动态架构更新，自定义LLM配对和灵活的数据导入选项。

>本文是数据科学博客马拉松的一部分。

> 目录的表：

QuickKùzu安装 Langchain-kùzu的优势

入门：一个实践的例子

• 高级功能探索
• 入门（重新访问）
• 结论
• 常见问题
• Quickkùzu安装
>使用以下方式在Google Colab上安装软件包

这包括Langchain，Kùzu和OpenAI GPT模型支持。 其他LLM可以通过各自的兰链兼容套件进行集成。>

为什么选择langchain-kùzu？

>

pip install -U langchain-kuzu langchain-openai langchain-experimental

>非常适合使用非结构化文本和创建图表表示，此软件包提供：>

灵活的模式：很容易定义并提取实体和关系。

>文本到图形转换：

使用LLMS的原始文本结构有意义的图形。

• 自然语言查询：与兰班的graphqachain直观地查询图。
• >简化的集成：将langchain的llms与kùzu连接到有效的工作流程。
• 让我们用一个实用的例子来说明这一点。
从文本创建图形
• 首先，创建一个本地的kùzu数据库并建立一个连接：>
>

开始使用langchain-kùzu

>

> langchain-kùzu简化了图形创建和从非结构化文本进行更新，并使用Langchain的LLM链通过Text2Cypher管道查询。 首先创建一个

>对象：

import kuzu

db = kuzu.Database("test_db")
conn = kuzu.Connection(db)

考虑此示例文本：

“蒂姆·库克（Tim Cook）是苹果的首席执行官。苹果在加利福尼亚设有总部。

KuzuGraph

pip install -U langchain-kuzu langchain-openai langchain-experimental

>步骤1：定义图架构

指定实体（节点）和关系：>

import kuzu

db = kuzu.Database("test_db")
conn = kuzu.Connection(db)

>步骤2：将文本转换为图文档

>使用

构建文本：LLMGraphTransformer

from langchain_kuzu.graphs.kuzu_graph import KuzuGraph
graph = KuzuGraph(db, allow_dangerous_requests=True)

>步骤3：将图形文档添加到kùzu

>将文档加载到kùzu：

text = "Tim Cook is the CEO of Apple. Apple has its headquarters in California."

# Define schema
allowed_nodes = ["Person", "Company", "Location"]
allowed_relationships = [
    ("Person", "IS_CEO_OF", "Company"),
    ("Company", "HAS_HEADQUARTERS_IN", "Location"),
]

注意：set

inallow_dangerous_requests=True>如果遇到错误。KuzuGraph>

查询图形

使用

自然语言查询：KuzuQAChain

from langchain_core.documents import Document
from langchain_experimental.graph_transformers import LLMGraphTransformer
from langchain_openai import ChatOpenAI

# Define the LLMGraphTransformer
llm_transformer = LLMGraphTransformer(
    llm=ChatOpenAI(model="gpt-4o-mini", temperature=0, api_key='OPENAI_API_KEY'),  # noqa: F821
    allowed_nodes=allowed_nodes,
    allowed_relationships=allowed_relationships,
)

documents = [Document(page_content=text)]
graph_documents = llm_transformer.convert_to_graph_documents(documents)

高级功能

> langchain-kùzu提供：

• 动态架构更新：自动架构刷新图形更新。
• 自定义LLM配对：使用单独的LLM进行Cypher生成和答案。
综合图形检查：
• >轻松检查节点，关系和模式。
kùzu的主要功能包括密码查询支持，嵌入式体系结构和灵活的数据导入选项。 有关详细信息，请参阅Kùzu文档。

入门（重新访问）

> install

。

1. 定义图形架构。langchain-kuzu
>利用Langchain的LLM进行图形创建和查询。 有关更多示例，请参见PYPI页面。
2. >
3. 结论

langchain-kùzu集成简化了非结构化数据处理，从而实现了有效的文本对图转换和自然语言查询。 这使用户能够从图形数据中获得有价值的见解。>

>常见问题

> Q1：如何安装

？

a：使用。需要python 3.7。langchain-kuzu pip install langchain-kuzu> Q2：支持的LLMS？

> Q3：自定义架构？ ​​A：是的，定义您的节点和关系。>

>

Q4：架构不更新？a：架构自动更新；如果需要，手动致电。

Q5：cypher和答案生成的单独的LLM？ refresh_schema()> Q6：支持的数据导入格式？

a：CSV，JSON和关系数据库。

>（注意：图像不包含在指定的提示中，以维护原始图像格式和位置。图像占位符如输入所示。

以上是整合的详细内容。更多信息请关注PHP中文网其他相关文章！