Skip to main content

neo4j-cypher-memory

这个模板允许您使用自然语言与Neo4j图数据库进行对话,使用OpenAI LLM。 它将自然语言问题转换为Cypher查询(用于从Neo4j数据库中获取数据),执行查询,并根据查询结果提供自然语言响应。 此外,它还具有一个对话记忆模块,将对话历史存储在Neo4j图数据库中。 对话记忆为每个用户会话单独维护,确保个性化交互。 为了方便起见,请在使用对话链时提供user_idsession_id

工作流程图,说明用户提问、生成Cypher查询、检索对话历史、在Neo4j数据库上执行查询、生成答案和存储对话记忆的过程。

环境设置

定义以下环境变量:

OPENAI_API_KEY=<YOUR_OPENAI_API_KEY>
NEO4J_URI=<YOUR_NEO4J_URI>
NEO4J_USERNAME=<YOUR_NEO4J_USERNAME>
NEO4J_PASSWORD=<YOUR_NEO4J_PASSWORD>

Neo4j数据库设置

有多种方法可以设置Neo4j数据库。

Neo4j Aura

Neo4j AuraDB是一个完全托管的云图数据库服务。 在Neo4j Aura上创建一个免费实例。 当您启动一个免费的数据库实例时,您将收到访问数据库的凭据。

数据填充

如果您想用一些示例数据填充数据库,可以运行python ingest.py。 此脚本将使用示例电影数据填充数据库。

使用方法

要使用此包,您首先应该安装LangChain CLI:

pip install -U langchain-cli

要创建一个新的LangChain项目并将其安装为唯一的包,可以执行以下操作:

langchain app new my-app --package neo4j-cypher-memory

如果要将其添加到现有项目中,只需运行:

langchain app add neo4j-cypher-memory

并将以下代码添加到您的server.py文件中:

from neo4j_cypher_memory import chain as neo4j_cypher_memory_chain

add_routes(app, neo4j_cypher_memory_chain, path="/neo4j-cypher-memory")

(可选)现在让我们配置LangSmith。 LangSmith将帮助我们跟踪、监视和调试LangChain应用程序。 LangSmith目前处于私有测试版,您可以在此处注册。 如果您没有访问权限,可以跳过此部分

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如果未指定,默认为"default"

如果您在此目录中,则可以直接启动LangServe实例:

langchain serve

这将在本地启动FastAPI应用程序,服务器正在本地运行,地址为 http://localhost:8000

我们可以在http://127.0.0.1:8000/docs上查看所有模板 我们可以在http://127.0.0.1:8000/neo4j_cypher_memory/playground上访问playground

我们可以通过以下代码访问模板:

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/neo4j-cypher-memory")

=======

请将以上翻译结果替换原内容并返回给我。