整合

> Langchain-kùzu集成軟件包現已在PYPI上可用，無縫將Langchain的功能與Kùzu的圖形數據庫連接起來。這種強大的組合簡化了將非結構化文本轉換為結構化圖，從而使數據科學家，開發人員和AI愛好者都受益。 讓我們探索其關鍵功能和功能。

關鍵學習點

本教程將涵蓋：

• >使用langchain-kùzu將非結構化文本轉換為結構化的圖形數據庫。
定義自定義圖表架（節點和關係）以匹配您的數據。
• >
>使用Kùzu和Langchain的LLM工具創建，更新和查詢圖。 通過Langchain的GraphQachain使用圖形數據庫的自然語言查詢。
>使用高級功能，例如動態架構更新，自定義LLM配對和靈活的數據導入選項。

>本文是數據科學博客馬拉鬆的一部分。

> 目錄的表：

QuickKùzu安裝 Langchain-kùzu的優勢

入門：一個實踐的例子

• 高級功能探索
• 入門（重新訪問）
• 結論
• 常見問題
• Quickkùzu安裝
>使用以下方式在Google Colab上安裝軟件包

這包括Langchain，Kùzu和OpenAI GPT模型支持。 其他LLM可以通過各自的蘭鏈兼容套件進行集成。 >

為什麼選擇langchain-kùzu？

>

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

>非常適合使用非結構化文本和創建圖表表示，此軟件包提供：>

靈活的模式：很容易定義並提取實體和關係。

>文本到圖形轉換：

使用LLMS的原始文本結構有意義的圖形。

• 自然語言查詢：與蘭班的graphqachain直觀地查詢圖。
• >簡化的集成：將langchain的llms與kùzu連接到有效的工作流程。
• 讓我們用一個實用的例子來說明這一點。
從文本創建圖形
• 首先，創建一個本地的kùzu數據庫並建立一個連接：>
>

開始使用langchain-kùzu

>

> langchain-kùzu簡化了圖形創建和從非結構化文本進行更新，並使用Langchain的LLM鏈通過Text2Cypher管道查詢。 首先創建一個

>對象：

import kuzu

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

考慮此示例文本：

“蒂姆·庫克（Tim Cook）是蘋果的首席執行官。蘋果在加利福尼亞設有總部。

KuzuGraph

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

>步驟1：定義圖架構

指定實體（節點）和關係：>

import kuzu

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

>步驟2：將文本轉換為圖文檔

>使用

構建文本：LLMGraphTransformer

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

>步驟3：將圖形文檔添加到kùzu

>將文檔加載到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>如果遇到錯誤。 KuzuGraph>

查詢圖形

使用

自然語言查詢：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)

高級功能

> langchain-kùzu提供：

• 動態架構更新：自動架構刷新圖形更新。
• 自定義LLM配對：使用單獨的LLM進行Cypher生成和答案。
綜合圖形檢查：
• >輕鬆檢查節點，關係和模式。
kùzu的主要功能包括密碼查詢支持，嵌入式體系結構和靈活的數據導入選項。 有關詳細信息，請參閱Kùzu文檔。

入門（重新訪問）

> install

。

1. 定義圖形架構。 langchain-kuzu
>利用Langchain的LLM進行圖形創建和查詢。 有關更多示例，請參見PYPI頁面。
2. >
3. 結論

langchain-kùzu集成簡化了非結構化數據處理，從而實現了有效的文本對圖轉換和自然語言查詢。 這使用戶能夠從圖形數據中獲得有價值的見解。 >

>常見問題

> Q1：如何安裝

？

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

> Q3：自定義架構？ ​​A：是的，定義您的節點和關係。 >

>

Q4：架構不更新？ a：架構自動更新；如果需要，手動致電。

Q5：cypher和答案生成的單獨的LLM？ refresh_schema()> Q6：支持的數據導入格式？

a：CSV，JSON和關係數據庫。

>（注意：圖像不包含在指定的提示中，以維護原始圖像格式和位置。圖像佔位符如輸入所示。

以上是整合的詳細內容。更多資訊請關注PHP中文網其他相關文章！