AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Neo4j + LangChain:如何构建基于知识图谱的最强RAG系统?
发布日期:2024-08-27 12:45:22 浏览次数: 1860



自从 Neo4j 宣布与 LangChain 的集成以来,我们已经看到许多围绕使用 Neo4j 和大语言模型(LLM)构建检索增强生成(RAG)系统的用例。这导致了近年来知识图谱在 RAG 中使用的快速增加。基于知识图谱的 RAG 系统在处理幻觉方面的表现似乎优于传统的 RAG 系统。我们还注意到,使用基于代理的系统可以进一步增强 RAG 应用程序。为此,LangGraph 框架已被添加到 LangChain 生态系统中,以为 LLM 应用程序添加循环和持久性。

我将向你演示如何使用 LangChain 和 LangGraph 为 Neo4j 创建一个 GraphRAG 工作流程。我们将开发一个相当复杂的工作流程,在多个阶段使用 LLM,并采用动态提示词查询分解技术。我们还将使用一种路由技术,将查询在向量语义搜索和图 QA 链之间进行分流。使用 LangGraph 的 GraphState,我们将通过从早期步骤中提取的上下文来丰富我们的提示模板。

我们的工作流程的高级示例大致如下图所示。

在深入细节之前,首先回顾一下基于 LangChain 的 GraphRAG 工作流程:

一个典型的 GraphRAG 应用涉及使用 LLM 生成 Cypher 查询语言。然后,LangChain 的 GraphCypherQAChain 将生成的 Cypher 查询提交到图数据库(例如 Neo4j)以检索查询输出。最后,LLM 将根据初始查询和图查询的响应返回一个答案。此时,响应仅基于传统的图查询。自从 Neo4j 引入向量索引功能以来,我们也可以执行语义查询。在处理属性图时,有时将语义查询和图查询结合使用或在两者之间进行分流是有益的。

图查询示例

假设我们有一个学术期刊的图数据库,其中包含文章、作者、期刊、机构等节点。

一个典型的图查询“查找引用次数最多的前 10 篇文章”将如下所示:

    MATCH(n:Article) WHERE n.citation_count > 50RETURN n.title, n.citation_count

    语义检索示例

    “查找关于气候变化的文章”将如下所示:

      query = "Find articles about climate change?"vectorstore = Neo4jVector.from_existing_graph(**args)vectorstore.similarity_search(query, k=3)

      混合查询

      混合查询可能涉及先执行语义相似性搜索,然后使用语义搜索的结果进行图查询。这在我们希望使用属性图(例如学术图)时特别有用。一个典型的问题是“查找关于气候变化的文章,并返回其作者和机构。”

      在这种情况下,我们需要将问题解析为多个子查询,以执行必要的任务。向量搜索在这里作为图查询的上下文使用。因此,我们需要设计一个能够容纳此类上下文的复杂提示模板。

      LangGraph 工作流程

      我们当前的工作流程将有两个分支(见下图)——一个是使用图模式进行简单图查询检索 QA,另一个是使用向量相似性搜索。要跟随这个工作流程,我创建了一个 GitHub 仓库,其中包含所有用于此实验的代码:我的LangGraph示例(https://github.com/sgautam666/my_graph_blogs/tree/main/neo4j_rag_with_langGraph)。该实验的数据集来自 OpenAlex,该平台提供学术元数据。此外,你还需要一个 Neo4j AuraDB 实例。

      一般的工作流程设计如下:

        def route_question(state: GraphState):print("---ROUTE QUESTION---")question = state["question"]source = question_router.invoke({"question": question})if source.datasource == "vector search":print("---ROUTE QUESTION TO VECTOR SEARCH---")return "decomposer"elif source.datasource == "graph query":print("---ROUTE QUESTION TO GRAPH QA---")return "prompt_template"
        workflow = StateGraph(GraphState)
        workflow.add_node(PROMPT_TEMPLATE, prompt_template)workflow.add_node(GRAPH_QA, graph_qa)
        workflow.add_node(DECOMPOSER, decomposer)workflow.add_node(VECTOR_SEARCH, vector_search)workflow.add_node(PROMPT_TEMPLATE_WITH_CONTEXT, prompt_template_with_context)workflow.add_node(GRAPH_QA_WITH_CONTEXT, graph_qa_with_context)
        workflow.set_conditional_entry_point(route_question,{'decomposer': DECOMPOSER, 'prompt_template': PROMPT_TEMPLATE },)
        workflow.add_edge(DECOMPOSER, VECTOR_SEARCH)workflow.add_edge(VECTOR_SEARCH, PROMPT_TEMPLATE_WITH_CONTEXT)workflow.add_edge(PROMPT_TEMPLATE_WITH_CONTEXT, GRAPH_QA_WITH_CONTEXT)workflow.add_edge(GRAPH_QA_WITH_CONTEXT, END)
        workflow.add_edge(PROMPT_TEMPLATE, GRAPH_QA)workflow.add_edge(GRAPH_QA, END)
        app = workflow.compile()
        app.get_graph().draw_mermaid_png(output_file_path="graph.png")

        这段代码将生成如下所示的工作流程:

        在这个 GraphRAG 流程中,我们的工作流程从一个条件入口点开始,该入口点允许我们决定查询流的路线。在这个例子中,START 节点从用户查询开始。根据查询的不同,信息会流向两侧。如果查询需要查找向量嵌入,它将流向右侧。如果查询是简单的基于图的查询,则工作流程遵循左侧部分。工作流程的左侧基本上是之前讨论的典型图查询,唯一的区别是我们在这里使用了 LangGraph。

        让我们看看上面工作流程的右侧。我们从一个 DECOMPOSER 节点开始。该节点基本上将用户问题分解为子查询。假设我们有一个用户问题,要求“查找关于氧化应激的文章。返回最相关文章的标题。”

        子查询:

        • • 查找与氧化应激相关的文章——用于向量相似性搜索

        • • 返回最相关文章的标题——用于图 QA 链

        你可以理解为什么我们需要分解问题。当将整个用户问题作为输入查询时,图 QA 链会遇到困难。分解是通过使用 GPT-3.5 Turbo 模型和一个基本的提示模板的 query_analyzer 链完成的:

          class SubQuery(BaseModel):"""将给定问题/查询分解为子查询"""
          sub_query: str = Field(...,description="对原始问题的唯一释义。",)
          system = """你是一名专家,能够将用户问题转换为 Neo4j Cypher 查询。执行查询分解。给定用户问题,将其分解为两个独立的子查询,你需要回答这些子查询以回答原始问题。
          对于给定的输入问题,创建一个用于相似性搜索的查询,并创建一个用于执行 neo4j 图查询的查询。以下是示例:问题:查找关于光合作用的文章并返回其标题。答案:sub_query1:查找与光合作用相关的文章。sub_query2:返回文章的标题"""prompt = ChatPromptTemplate.from_messages([("system", system),("human", "{question}"),])
          llm_with_tools = llm.bind_tools([SubQuery])parser = PydanticToolsParser(tools=[SubQuery])query_analyzer = prompt | llm_with_tools | parser

          向量搜索

          右侧分支的另一个重要节点是带有上下文的提示模板。当我们针对属性图进行查询时,如果我们的 Cypher 生成使用图模式,我们将得到期望的结果。通过向量搜索创建上下文,使我们能够将 Cypher 模板聚焦于向量搜索提供的特定节点,从而获得更准确的结果:

            template = f"""任务:生成用于查询图数据库的 Cypher 语句。说明:仅使用模式中提供的关系类型和属性。不要使用未提供的其他关系类型或属性。
            上下文来自于向量搜索 {context}
            使用上下文,创建 Cypher 语句并使用该语句进行图查询。"""

            带有上下文的提示模板

            我们使用存储的向量嵌入的相似性搜索创建上下文。我们可以生成语义上下文或将节点本身作为上下文。例如,这里我们正在检索表示与用户查询最相似的文章的节点 ID。这些节点 ID 作为上下文传递给我们的提示模板。

            一旦捕获上下文,我们还希望确保我们的提示模板获得正确的 Cypher 示例。随着 Cypher 示例的增加,我们可以预期静态提示示例开始变得无关紧要,导致 LLM 处理困难。我们引入了一种动态提示机制,根据相似性选择最相关的 Cypher 示例。我们可以在运行时使用 Chroma 向量存储根据用户查询选择 k 样本。因此,我们的最终提示模板如下所示:

              context = state["article_ids"]
              prefix = f"""任务:生成用于查询图数据库的 Cypher 语句。说明:仅使用模式中提供的关系类型和属性。不要使用未提供的其他关系类型或属性。......上下文以元组 ('a..', 'W..') 的形式提供使用元组的第二个元素作为节点 ID,例如 'W..... 以下是上下文:{context}
              使用上述上下文中的节点 ID,创建 Cypher 语句并使用该语句进行图查询。示例:以下是针对一些问题示例生成的 Cypher 语句示例:"""
              FEW_SHOT_PROMPT = FewShotPromptTemplate(example_selector = example_selector,example_prompt = example_prompt,prefix=prefix,suffix="问题:{question}, \\nCypher 查询:",input_variables =["question", "query"],) return FEW_SHOT_PROMPT

              注意,动态选择的 Cypher 示例通过 suffix 参数传递。最后,我们将模板传递给调用图 QA 链的节点。我们在工作流程的左侧也使用了类似的动态提示模板,但没有上下文。

              与典型的 RAG 工作流程不同,在将上下文引入提示模板时,我们通过创建输入变量并在调用模型链(例如 GraphCypherQAChain())时传递这些变量来实现:

                template = f"""任务:生成用于查询图数据库的 Cypher 语句。说明:仅使用模式中提供的关系类型和属性。不要使用未提供的其他关系类型或属性。
                上下文来自于向量搜索 {context}
                使用上下文,创建 Cypher 语句并使用该语句进行图查询。"""
                PROMPT = PromptTemplate(input_variables =["question", "context"],template = template,)

                有时通过 LangChain 链传递多个变量会变得更加棘手:

                  chain = ({  "question": RunnablePassthrough(), "context" : RetrievalQA.from_chain_type(),}| PROMPT| GraphCypherQAChain() )

                  上述工作流程将不起作用,因为 GraphCypherQAChain() 需要提示模板,而不是提示文本(当你调用链时,提示模板的输出将是文本)。这促使我尝试使用 LangGraph,它似乎可以传递尽可能多的上下文并执行工作流程。

                  图 QA 链

                  带有上下文的提示模板之后的最后一步是图查询。从这里开始,典型的图 QA 链用于将提示传递给图数据库以执行查询,并且 LLM 生成响应。请注意,工作流程左侧的类似路径是在提示生成之后。此外,我们还使用类似的动态提示方法在任一侧生成提示模板。

                  在执行工作流程之前,以下是关于路由链和 GraphState 的一些思考。

                  路由链

                  如前所述,我们的工作流程从一个条件入口点开始,该入口点允许我们决定查询流的路线。通过路由链实现这一点,我们使用了一个简单的提示模板和 LLM。Pydantic 模型在这种情况下非常有用:

                    class RouteQuery(BaseModel):"""将用户查询路由到最相关的数据源。"""
                    datasource: Literal["vector search", "graph query"] = Field(...,description="给定用户问题选择将其路由到向量存储或图数据库。",)llm = ChatOpenAI(temperature=0)structured_llm_router = llm.with_structured_output(RouteQuery)
                    system = """你是一名专家,能够将用户问题路由以执行向量搜索或图查询。向量存储包含与文章标题、摘要和主题相关的文档。以下是三个路由情况:如果用户问题涉及相似性搜索,请执行向量搜索。用户查询可能包含类似“相似”、“相关”、“相关性”、“相同”、“最近”等术语,表明向量搜索。对于其他情况,请使用图查询。
                    向量搜索案例的问题示例:查找关于光合作用的文章查找与氧化应激相关的类似文章
                    图数据库查询的问题示例:MATCH (n:Article) RETURN COUNT(n)MATCH (n:Article) RETURN n.title
                    图 QA 链的问题示例:查找特定年份发表的文章并返回其标题、作者查找来自位于特定国家(例如日本)的机构的作者"""
                    route_prompt = ChatPromptTemplate.from_messages([("system", system),("human", "{question}")])
                    question_router = route_prompt | structured_llm_router
                    def route_question(state: GraphState):print("---ROUTE QUESTION---")question = state["question"]source = question_router.invoke({"question": question})if source.datasource == "vector search":print("---ROUTE QUESTION TO VECTOR SEARCH---")return "decomposer"elif source.datasource == "graph query":print("---ROUTE QUESTION TO GRAPH QA---")        return "prompt_template"

                    GraphState

                    LangGraph 的一个美妙之处在于信息通过 GraphState 的流动。你需要在 GraphState 中定义所有潜在数据,以便某个节点在任何阶段都可以访问:

                      class GraphState(TypedDict):"""表示我们图的状态。
                      属性:question: 问题documents: 链的结果article_ids: 来自向量搜索的文章 ID 列表prompt: 提示模板对象prompt_with_context: 来自向量搜索的带上下文的提示模板subqueries: 分解的查询"""
                      question: strdocuments: dictarticle_ids: List[str]prompt: objectprompt_with_context: objectsubqueries: object

                      要访问这些数据,你只需在定义节点或任何函数时继承 state。例如:

                        def prompt_template_with_context(state: GraphState):
                        question = state["question"]queries = state["subqueries"]
                        prompt_with_context = create_few_shot_prompt_with_context(state)return {"prompt_with_context": prompt_with_context, "question":question, "subqueries": queries}

                        讨论完这些主要话

                        题后,让我们执行 Neo4j GraphRAG 应用程序。

                        图 QA:

                          app.invoke({"question": "查找引用次数最多的前 5 篇文章并返回其标题"})
                          ---ROUTE QUESTION------ROUTE QUESTION TO GRAPH QA---
                          > 正在进入新的 GraphCypherQAChain 链...生成的 Cypher:MATCH (a:Article) WITH a ORDER BY a.citation_count DESC RETURN a.title LIMIT 5
                          > 链完成。
                          graph_qa_result['documents']
                          {'query': '查找引用次数最多的前 5 篇文章并返回其标题', 'result': [{'a.title': '从蚯蚓堆肥中分离出的腐殖酸增强了玉米根的根伸长、侧根出现和质膜 H+-ATPase 活性'},{'a.title': '快速估算相对含水量'},{'a.title': 'ARAMEMNON,一个用于阿拉伯芥整合膜蛋白的新数据库'},{'a.title': '植物生理学中的多胺。'},{'a.title': '对阿拉伯芥根和芽中硝酸盐反应的微阵列分析揭示了 1000 多个快速反应基因以及与葡萄糖、海藻糖-6-磷酸、铁和硫酸盐代谢的新联系'}]}

                          带有向量搜索的图 QA:

                            app.invoke({"question": "查找关于氧化应激的文章。返回最相关文章的标题"})
                            ---ROUTE QUESTION------ROUTE QUESTION TO VECTOR SEARCH---
                            > 正在进入新的 RetrievalQA 链...
                            > 链完成。
                            graph_qa_result['documents']
                            {'query': '返回最相关文章的标题。', 'result': [{'a.title': '苔藓和谷类之间对脱落酸和应激的分子反应的保守性'}]}
                            graph_qa_result.keys()dict_keys(['question', 'documents', 'article_ids', 'prompt_with_context', 'subqueries'])
                            graph_qa_result['subqueries']
                            [SubQuery(sub_query='查找与氧化应激相关的文章。'), SubQuery(sub_query='返回最相关文章的标题。')]

                            如你所见,根据用户问题,我们能够成功地将问题路由到正确的分支并检索到所需的输出。随着复杂性的增加,我们必须修改路由链本身的提示。虽然分解对于像这样的应用程序至关重要,但查询扩展是 LangChain 中的另一个功能,尤其是当有多种方式编写 Cypher 查询以返回类似答案时,这可能也是一个有用的工具。

                            我们已经涵盖了工作流程中最重要的部分。请跟随我的LangGraph示例(https://github.com/sgautam666/my_graph_blogs/tree/main/neo4j_rag_with_langGraph) 代码库以进行更深入的探索。

                            总结

                            这个工作流程结合了许多步骤,而我在这里没有讨论所有步骤。然而,我承认,仅使用 LangChain 构建高级 GraphRAG 应用程序遇到了一些困难。通过使用 LangGraph 解决了这些困难。最让我沮丧的是无法在提示模板中引入所需的多个输入变量,并将该模板传递给 LangChain Expression Language 中的 Graph QA 链。

                            起初,LangGraph 看起来需要大量的学习,但一旦你克服了这个障碍,它就会变得顺畅起来。未来,我会尝试将代理引入到工作流程中。如果你有任何建议,请与我联系。我正在尽可能多地学习。


                            53AI,企业落地应用大模型首选服务商

                            产品:大模型应用平台+智能体定制开发+落地咨询服务

                            承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

                            联系我们

                            售前咨询
                            186 6662 7370
                            预约演示
                            185 8882 0121

                            微信扫码

                            与创始人交个朋友

                            回到顶部

                             
                            扫码咨询