NebulaGraphQAChain

这个笔记本展示了如何使用 LLM 来为 NebulaGraph 数据库提供自然语言接口。

您需要运行一个 NebulaGraph 集群，可以通过运行以下脚本来运行一个容器化的集群：

curl -fsSL nebula-up.siwei.io/install.sh | bash

其他选项包括：

• 作为 Docker Desktop 扩展 安装。参见 这里
• NebulaGraph 云服务。参见 这里
• 通过软件包、源代码或 Kubernetes 部署。参见 这里

一旦集群运行起来，我们可以为数据库创建 SPACE 和 SCHEMA。

%pip install ipython-ngql
%load_ext ngql

# 连接 ngql Jupyter 扩展到 NebulaGraph
%ngql --address 127.0.0.1 --port 9669 --user root --password nebula
# 创建一个新的 space
%ngql CREATE SPACE IF NOT EXISTS langchain(partition_num=1, replica_factor=1, vid_type=fixed_string(128));

# 等待几秒钟，让 space 创建完成。
%ngql USE langchain;

创建模式，请参考完整的数据集 这里。

%%ngql
CREATE TAG IF NOT EXISTS movie(name string);
CREATE TAG IF NOT EXISTS person(name string, birthdate string);
CREATE EDGE IF NOT EXISTS acted_in();
CREATE TAG INDEX IF NOT EXISTS person_index ON person(name(128));
CREATE TAG INDEX IF NOT EXISTS movie_index ON movie(name(128));

请等待模式创建完成，然后我们可以插入一些数据。

%%ngql
INSERT VERTEX person(name, birthdate) VALUES "Al Pacino":("Al Pacino", "1940-04-25");
INSERT VERTEX movie(name) VALUES "The Godfather II":("The Godfather II");
INSERT VERTEX movie(name) VALUES "The Godfather Coda: The Death of Michael Corleone":("The Godfather Coda: The Death of Michael Corleone");
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather II":();
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather Coda: The Death of Michael Corleone":();

UsageError: Cell magic `%%ngql` not found.

from langchain.chat_models import ChatOpenAI
from langchain.chains import NebulaGraphQAChain
from langchain.graphs import NebulaGraph

graph = NebulaGraph(
    space="langchain",
    username="root",
    password="nebula",
    address="127.0.0.1",
    port=9669,
    session_pool_size=30,
)

刷新图形模式信息

如果数据库的模式发生更改，您可以刷新生成 nGQL 语句所需的模式信息。

# graph.refresh_schema()

print(graph.get_schema)

节点属性: [{'tag': 'movie', 'properties': [('name', 'string')]}, {'tag': 'person', 'properties': [('name', 'string'), ('birthdate', 'string')]}]
边属性: [{'edge': 'acted_in', 'properties': []}]
关系: ['(:person)-[:acted_in]->(:movie)']

查询图形数据库

现在我们可以使用图形 Cypher QA 链来向图形数据库提问问题。

chain = NebulaGraphQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True
)

chain.run("Who played in The Godfather II?")

> Entering new NebulaGraphQAChain chain...
Generated nGQL:
MATCH (p:`person`)-[:acted_in]->(m:`movie`) WHERE m.`movie`.`name` == 'The Godfather II'
RETURN p.`person`.`name`
Full Context:
{'p.person.name': ['Al Pacino']}

> Finished chain.

'Al Pacino played in The Godfather II.'