통합

이제 PYPI에서 사용할 수있는 Langchain-Kùzu 통합 패키지는 Langchain의 기능을 Kùzu의 그래프 데이터베이스와 완벽하게 연결합니다. 이 강력한 조합은 구조화되지 않은 텍스트를 구조화 된 그래프로 변환하여 데이터 과학자, 개발자 및 AI 애호가 모두에게 도움이됩니다. 주요 특징과 기능을 탐색합시다.

주요 학습 포인트

이 튜토리얼은 다음을 다룹니다

Langchain-Kùzu를 사용하여 구조화되지 않은 텍스트를 구조화 된 그래프 데이터베이스로 변환합니다 데이터와 일치하는 사용자 정의 그래프 스키마 (노드 및 관계) 정의. Kùzu 및 Langchain의 LLM 도구를 사용하여 그래프 작성, 업데이트 및 쿼리. Langchain의 GraphQachain을 통해 그래프 데이터베이스의 자연어 쿼리 사용. Kùzu 내의 동적 스키마 업데이트, 사용자 정의 LLM 페어링 및 유연한 데이터 가져 오기 옵션과 같은 고급 기능 사용. 이 기사는 데이터 과학 블로그의 일부입니다.

목차 :

• Quick Kùzu 설치 Langchain-Kùzu의 장점 시작하기 : 실용적인 예 고급 기능 탐색 시작하기 (재 방문)
• 결론 자주 묻는 질문
Quick Kùzu 설치
• : 를 사용하여 Google Colab에 패키지를 설치하십시오
여기에는 Langchain, Kùzu 및 OpenAi GPT 모델 지원이 포함됩니다. 다른 LLM은 해당 Langchain 호환 패키지를 통해 통합 될 수 있습니다.
• 왜 langchain-kowzu를 선택합니까?

구조화되지 않은 텍스트로 작업하고 그래프 표현을 작성하는 데 이상적 으로이 패키지는 다음을 제공합니다.

유연한 스키마 : 엔티티와 관계를 쉽게 정의하고 추출합니다 텍스트 간 변환 : LLMS를 사용하여 원시 텍스트의 의미있는 그래프 구조. 자연어 쿼리 :

쿼리 그래프 Langchain의 GraphQachain과 직관적으로 그래프 간소화 된 통합 :

효율적인 워크 플로우를 위해 Langchain의 LLMS를 Kùzu와 연결하십시오. 실용적인 예를 가지고 이것을 설명합시다. 텍스트에서 그래프 생성 먼저 로컬 kùzu 데이터베이스를 만들고 연결을 설정하십시오.

• Langchain-Kùzu로 시작하는
• 객체를 만들어 시작하십시오 :
이 샘플 텍스트를 고려하십시오
• “Tim Cook은 Apple의 CEO입니다. 애플은 캘리포니아에 본사를두고있다.”

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

  1 단계 : 그래프 스키마를 정의합니다

  엔티티 (노드)와 관계를 지정합니다 :

  2 단계 : 텍스트를 그래프 문서로 변환
  를 사용하여 텍스트를 구성하십시오 :

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

  3 단계 : kùzu 문서를 kùzu에로드하십시오 :
  참고 : 오류가 발생하면 를 설정하십시오 그래프 쿼리

  LLMGraphTransformer 자연 언어 쿼리에

  를 사용하십시오 :

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

  고급 기능

  Langchain-Kùzu 제안 :

  동적 스키마 업데이트 : 그래프 업데이트시 자동 스키마 새로 고침 Custom LLM 페어링 :

  사이퍼 생성 및 답변 생성에 별도의 LLM을 사용하십시오. 종합 그래프 검사 :

  노드, 관계 및 스키마를 쉽게 검사 할 수 있습니다

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

  Kùzu의 주요 기능에는 Cypher Query 지원, 임베디드 아키텍처 및 유연한 데이터 가져 오기 옵션이 포함됩니다. 자세한 내용은 Kùzu 문서를 참조하십시오

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

  시작하기 (재 방문)

  allow_dangerous_requests=True KuzuGraph

  설치 . 그래프 스키마를 정의하십시오 그래프 생성 및 쿼리를 위해 Langchain의 LLM을 활용하십시오. 더 많은 예제는 PYPI 페이지를 참조하십시오.

  결론

  Langchain-kùzu 통합은 구조화되지 않은 데이터 처리를 간소화하여 효율적인 텍스트 간 변환 및 자연어 쿼리를 가능하게합니다. 이를 통해 사용자는 그래프 데이터에서 귀중한 통찰력을 도출 할 수 있습니다.

  자주 묻는 질문 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)

  Q1 : 설치 방법

  ? . 파이썬 3.7 Q2 : 지원되는 LLMS? Q3 : 사용자 정의 스키마? Q4 : 스키마 업데이트되지 않습니까? 를 호출하십시오 Q5 : 사이퍼 및 답변 생성에 대한 LLMS 별도의 LLM? in . Q6 : 지원되는 데이터 가져 오기 형식? (참고 : 이미지는 원래 이미지 형식과 위치를 유지하는 프롬프트로 포함되지 않습니다. 이미지 자리 표시자는 입력대로 유지됩니다.)

위 내용은 통합의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!