Générer un contexte RAG basé sur un graphe avec Neo4j LLM Graph…

Générer un contexte RAG basé sur un graphe avec Neo4j LLM Graph Builder

Convertir un ensemble de documents délimité en un graphe de connaissances Neo4j, inspecter les nœuds et relations extraits, et l'utiliser pour du RAG basé sur un graphe.

Prérequis

Base de données Neo4j 5.23 ou ultérieure avec APOC, backend Python 3.12, identifiants de fournisseur LLM configurés, options d'interface frontale et de déploiement Docker à partir du README en amont.

Installation

Utilisez le chemin d'installation ou de configuration en amont qui correspond à votre environnement :

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

Exigences et avertissements en amont :

• 
• Python 3.12 ou supérieur (pour un déploiement backend local/séparé)
• Si vous utilisez Neo4j Desktop, vous devrez déployer le backend et le frontend séparément (docker-compose n'est pas pris en charge).

Notes d'utilisation de base ou de démarrage :

• Base de données Neo4j 5.23 ou ultérieure avec APOC installé.

• Les bases de données Neo4j Aura (y compris le niveau gratuit) sont prises en charge.

• Créez un fichier .env dans le dossier backend en copiant backend/example.env.

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

• Extrait de la documentation en amont : https://raw.githubusercontent.com/neo4j-labs/llm-graph-builder/HEAD/README.md

Documentation

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

Source

• Agent Skill Exchange