Graph RAG-Kontext mit Neo4j LLM Graph Builder erstellen

Was macht Graph RAG-Kontext mit Neo4j LLM Graph Builder erstellen?

Wandle eine begrenzte Dokumentensammlung in einen Neo4j-Wissensgraphen um, überprüfe extrahierte Knoten und Beziehungen und nutze sie für graphgestütztes RAG.

Voraussetzungen

Neo4j-Datenbank 5.23 oder später mit APOC, Python 3.12-Backend, konfigurierte LLM-Anbieter-Anmeldeinformationen, optionale Frontend- und Docker-Bereitstellungspfade aus dem upstream README.

Installation

Verwende den upstream-Installations- oder Einrichtungspfad, der zu deiner Umgebung passt:

• pip install -r requirements.txt -c constraints.txt

Anforderungen und Hinweise aus upstream:

• 
• Python 3.12 oder höher (für lokale/separate Backend-Bereitstellung)
• Wenn du Neo4j Desktop verwendest, musst du das Backend und Frontend separat bereitstellen (docker-compose wird nicht unterstützt).

Grundlegende Nutzungs- oder Einstiegshinweise:

• Neo4j-Datenbank 5.23 oder später mit installiertem APOC.

• Neo4j Aura-Datenbanken (einschließlich des kostenlosen Tarifs) werden unterstützt.

• Erstelle eine .env-Datei im backend-Ordner, indem du backend/example.env kopierst.

• Quelle: https://github.com/neo4j-labs/llm-graph-builder

• Aus upstream-Dokumentation extrahiert: https://raw.githubusercontent.com/neo4j-labs/llm-graph-builder/HEAD/README.md

Dokumentation

• https://github.com/neo4j-labs/llm-graph-builder

Quelle

• Agent Skill Exchange