Chaînage, version Graph RAG !

Rassemblons maintenant le tout pour créer une chaîne de questions-réponses Graph RAG ! Le même graph que vous avez utilisé tout au long de ce chapitre vous est fourni (avec quelques variations possibles dans les nœuds et relations), et vous le connecterez à un autre LLM pour générer la requête Cypher et retourner la réponse en langage naturel.

Cet exercice fait partie du cours

Retrieval Augmented Generation (RAG) avec LangChain

Afficher le cours

Instructions

Créez une chaîne de questions-réponses Graph Cypher en utilisant un modèle de chat OpenAI et le graph que vous avez déjà créé.
Exécutez la chaîne avec l’entrée fournie.
Extrayez et affichez le texte du résultat depuis result.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create the Graph Cypher QA chain
graph_qa_chain = ____.____(
    ____=ChatOpenAI(api_key="", temperature=0), ____, verbose=True
)

# Invoke the chain with the input provided
result = ____({"query": "Who discovered the element Radium?"})

# Print the result text
print(f"Final answer: {result['____']}")

Modifier et exécuter le code