Enregistrer la mémoire de conversation dans le graphe

La stratégie la plus simple pour l'historique des messages consiste à enregistrer tous les messages dans la base de données, exactement tels quels. Cette approche est facile à programmer, mais l'information peut être difficile à extraire de façon fiable dans des conversations plus longues. Pour ces conversations, vous pourriez aussi faire face à des enjeux de coût et de latence à cause du nombre de jetons envoyés avec chaque entrée.

Cette activité fait partie du cours

Graph RAG avec LangChain et Neo4j

Instructions de l’exercice

Instanciez une classe pour stocker les messages de clavardage dans une base de données Neo4j en utilisant les informations d'identification et la variable SESSION_ID fournies.
Démarrez la conversation avec un message de l'utilisateur.
Ajoutez une réponse générée par l'IA à la conversation.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

from langchain_neo4j import Neo4jChatMessageHistory

# Store chat history in Neo4j
history = ____(
    url=NEO4J_URL,
    username=NEO4J_USERNAME,
    password=NEO4J_PASSWORD,
    ____=SESSION_ID,
)

# Add a user message
history.____("My favourite character is Juliet.")

# Add an AI message
history.____("Great choice! Juliet is a multi-faceted and complex character.")

Modifier et exécuter le code

Cette activité fait partie du cours

Graph RAG avec LangChain et Neo4j

SkillTag.level.advancedSkillTag.label

4.8+

Commencer le cours gratuitement

Apprenez comment Graph RAG peut améliorer la précision et la fiabilité des applications RAG! Stockez l'information comme nœuds et arêtes dans une base de données Neo4j, et donnez à votre LLM la capacité de l'interroger pour récupérer des renseignements sur les entités et leurs relations afin de fournir des réponses éclairées.

Exercise 1: Graphes et RAG Exercise 2: Créer des nœuds Exercise 3: Créer des relations Exercise 4: Enregistrer des documents de graphe Exercise 5: Interroger un graphe de connaissances Exercise 6: Rédiger des instructions Cypher Exercise 7: Exécuter des instructions Cypher Exercise 8: La clause MERGE Exercise 9: Graph RAG de texte vers Cypher avec Neo4j Exercise 10: Créer une chaîne text-to-Cypher Exercise 11: Chaîne de repérage Text-to-Cypher

Les applications Text-to-Cypher fonctionnent bien dans de nombreux cas, mais on peut faire mieux! Découvrez comment construire des bases de données graphe en utilisant différents modèles, dont les graphes lexicaux et de domaine. Créez des index de vecteurs Neo4j pour profiter du meilleur des deux mondes et exécuter simultanément la récupération graphe et la recherche vectorielle!

Exercise 1: Graphes lexicaux Exercise 2: Éléments d'un graphe lexical Exercise 3: Diviser la pièce en actes Exercise 4: Créer un graphe lexical hiérarchique Exercise 5: Combiner les graphes lexicaux avec la recherche vectorielle Exercise 6: Créer des segments de texte Exercise 7: Créer un index vectoriel Exercise 8: Graphes de domaine Exercise 9: Créer une sortie structurée Exercise 10: Demander une sortie structurée Exercise 11: Fournir des exemples en few-shot Exercise 12: Créer une chaîne de récupération hybride Exercise 13: Fonctions lambda exécutables Exercise 14: Attribuer des valeurs supplémentaires à une entrée Exercise 15: Le dernier maillon de la chaîne

Même si les applications Graph RAG sont généralement plus fiables que celles à base de vecteurs, elles ne sont pas infaillibles. Dans ce chapitre, vous apprendrez à évaluer vos applications Graph RAG, à repérer les nœuds de graphe incorrects ou en double, et à intégrer une mémoire à long terme pour que les préférences des utilisateurs soient apprises au fil du temps.

Exercise 1: Résolution d'entités Exercise 2: Utiliser les entités extraites Exercise 3: Résolution d'entités basée sur un graphe Exercise 4: Évaluer le Graph RAG avec RAGAS Exercise 5: Créer une évaluation Ragas Exercise 6: Évaluer la récupération de contexte avec Ragas Exercise 7: Graphes de mémoire Exercise 8: Enregistrer la mémoire de conversation dans le graphe

Exercice en cours

Exercise 9: Extraire des faits à partir d'historiques de conversation Exercise 10: Utiliser les faits extraits de la conversation Exercise 11: Félicitations !