शुरू करेंमुफ़्त में शुरू करें

फ़िल्टरिंग के साथ Graph RAG

बड़े और जटिल ग्राफ़ में, LLMs कभी-कभी सबसे प्रासंगिक nodes और relationships को सही ढंग से अनुमान लगाने में संघर्ष करते हैं ताकि Cypher क्वेरी बनाई जा सके। कई बार, आपको LLM को ग्राफ़ के केवल एक subset के बारे में अवगत कराना होता है। कुछ node types को exclude करने से LLM के लिए सटीक Cypher क्वेरी बनाना आसान होगा और क्वेरी latency भी बेहतर होगी.

जिस graph database पर आप काम कर रहे हैं, वह graph के रूप में उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

LangChain के साथ Retrieval Augmented Generation (RAG)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ऐसा graph QA chain बनाइए जो graph database को क्वेरी करे लेकिन "Concept" type वाले nodes को ignore करे; आपके लिए एक llm पहले से परिभाषित है, और आपको verbose=True सेट करना है.
  • दिए गए input के साथ graph_qa_chain को invoke करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create the graph QA chain excluding Concept
graph_qa_chain = ____

# Invoke the chain with the input provided
result = ____({"query": "Who was Marie Curie married to?"})
print(f"Final answer: {result['result']}")
कोड संपादित करें और चलाएँ