LLM 知识图谱构建器是Neo4j 的 GraphRAG 生态系统工具之一，可让你将非结构化数据转换为动态知识图谱。它与检索增强生成 (RAG) 聊天机器人集成，可实现自然语言查询和对数据的可解释洞察。

什么是 Neo4j LLM 知识图谱构建器？

Neo4j LLM 知识图谱构建器是一款创新的在线应用程序，无需代码和密码即可将非结构化文本转换为知识图谱，提供神奇的文本到图形的体验。

它使用 ML 模型（LLM：OpenAI、Gemini、Diffbot）将 PDF、网页和 YouTube 视频转换为实体及其关系的知识图谱。

前端是一个基于我们的Needle Starter Kit的 React 应用程序，后端是一个 Python FastAPI 应用程序。它使用了Neo4j 为 LangChain 贡献的llm-graph-transformer 模块。

该应用程序提供无缝体验，遵循四个简单的步骤：

1. 数据提取——支持各种数据源，包括 PDF 文档、维基百科页面、YouTube 视频等。
2. 实体识别——使用 LLM 从非结构化文本中识别和提取实体和关系。
3. 图形构建——使用 Neo4j 图形功能将识别的实体和关系转换为图形格式。
4. 用户界面 —为用户提供直观的 Web 界面，方便用户与应用程序交互，方便上传数据源、可视化生成的图表以及与 RAG 代理交互。此功能特别令人兴奋，因为它允许直观地与数据交互，类似于与知识图谱本身对话 — 无需任何技术知识。

实践

我们在Neo4j 托管环境中提供应用程序，无需信用卡，也无需 LLM 密钥——无摩擦。

在打开并使用 LLM 知识图谱构建器之前，让我们创建一个新的 Neo4j 数据库。为此，我们可以按照以下步骤使用免费的 AuraDB 数据库：

• 登录或创建账户https://console.neo4j.io。
• 在实例下，创建一个新的 AuraDB 免费数据库。
• 下载凭证文件。
• 等待实例运行。

现在我们已经运行了 Neo4j 数据库并获得了凭证，我们可以打开 LLM 知识图谱构建器，然后单击右上角的“连接到 Neo4j” 。

将之前下载的凭证文件拖放到连接对话框中。所有信息都会自动填充。或者，你也可以手动输入所有内容。

创建知识图谱

该过程从获取非结构化数据开始，然后通过 LLM 来识别关键实体及其关系。

你可以将 PDF 和其他文件拖放到左侧的第一个输入区。第二个输入区允许你复制/粘贴要使用的 YouTube 视频链接，而第三个输入区则接受维基百科页面链接。

上传文件时，应用程序将使用 LangChain 文档加载器和 YouTube 解析器将上传的源存储为图中的文档节点。所有文件上传完成后，你应该会看到类似以下内容：

现在我们需要做的就是选择要使用的模型，单击“生成图形”，然后让魔法为你完成剩下的工作！

如果你只想生成文件选择，你可以先选择文件（使用表格第一列的复选框）然后单击生成图形。

探索你的知识图谱

从文档中提取的信息被构造成图形格式，其中实体成为节点，关系变成连接这些节点的边。使用 Neo4j 的优点在于它能够高效地存储和查询这些复杂的数据网络，使生成的知识图谱可立即用于各种应用程序。

在使用 RAG 代理询问有关数据的问题之前，我们可以使用复选框选择一个文档（或多个），然后单击“显示图表”。这将显示为你选择的文档创建的实体；你还可以在该视图中显示文档和块节点

使用 Bloom 打开图表按钮将打开Neo4j Bloom，以帮助你可视化和导航新创建的知识图谱。下一个操作 —删除文件 —从图表中删除选定的文档和块（如果你在选项中选择了它，则删除实体）。

现在是最后一部分：你可以在右侧面板中看到的 RAG 代理。

检索过程——它是如何工作的？

下图展示了 GraphRAG 流程的简化视图。

当用户提出问题时，我们会使用 Neo4j 向量索引和检索查询来查找与问题最相关的块及其连接实体，深度可达 2 跳。我们还会汇总聊天记录并将其用作丰富上下文的元素。

各种输入和来源（问题、向量结果、聊天记录）均以自定义提示的形式发送到所选的 LLM 模型，要求根据提供的元素和上下文提供并格式化对所提问题的回答。当然，提示还有更多神奇之处，例如格式化、要求引用来源、如果答案未知则不要猜测等。

询问与你的数据相关的问题

在这个例子中，我加载了有关一家名为 GraphACME（总部位于欧洲）的虚假公司的内部文档，该公司生产并记录了他们的整个供应链战略和产品。我还加载了一篇新闻文章和 YouTube 视频，解释了新的 CSDDD、其影响和法规。我们现在可以向聊天机器人询问有关我们内部（虚假）公司知识的问题——有关 CSDDD 法律的问题，甚至可以询问两者的问题，例如询问 GraphACME 生产的产品清单，它们是否会受到 CSDDD 法规的影响，如果是，它将如何影响公司。

聊天功能

在主屏幕的右侧，你会注意到聊天窗口附带三个按钮：

• 关闭将关闭聊天机器人界面。
• 清除聊天记录将 删除当前会话的聊天记录。
• 最大化窗口将以全屏模式打开聊天机器人界面。

在RAG代理的回答上，你会发现回复后有三个特点：

• 详细信息将打开一个检索信息弹出窗口，显示 RAG 代理如何收集和使用源（文档）、块和实体。其中还包括有关所用模型和令牌消耗的信息。
• 复制将把响应的内容复制到剪贴板。
• 文本转语音将大声读出响应内容。