Konuşma belleğini grafikte kaydetme

En basit sohbet mesaj geçmişi stratejisi, tüm mesajları olduğu gibi veritabanına kaydetmektir. Bu yaklaşımın kodu basittir, ancak uzun konuşmalarda bilgiyi güvenilir şekilde çıkarmak zor olabilir. Uzun konuşmalar için, her girdiyle birlikte gönderilen token sayısı nedeniyle potansiyel maliyet ve gecikme sorunların da olabilir.

Bu egzersiz, kursun bir parçasıdır

LangChain ve Neo4j ile Graph RAG

Kursa Göz Atın

Egzersiz talimatları

Verilen kimlik bilgileri ve SESSION_ID değişkenini kullanarak Neo4j veritabanında sohbet mesajlarını saklayacak bir sınıf örneği oluştur.
Konuşmayı kullanıcıdan gelen bir mesajla başlat.
Konuşmaya AI tarafından üretilmiş bir yanıt ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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.")

Kodu Düzenle ve Çalıştır

Bu egzersiz, kursun bir parçasıdır

LangChain ve Neo4j ile Graph RAG

AvançadoNível de habilidade

4.8+

Kursa Ücretsiz Başla

Graph RAG’in RAG uygulamalarının doğruluğunu ve güvenilirliğini nasıl artırabileceğini öğren! Bilgiyi bir Neo4j veritabanında düğümler ve kenarlar olarak depola ve LLM’ine bunu sorgulama yeteneği ver ki varlık ve ilişki bilgilerini çekip daha bilinçli yanıtlar üretebilsin.

Exercise 1: Grafikler ve RAG Exercise 2: Düğüm oluşturma Exercise 3: İlişki oluşturma Exercise 4: Graf belge(ler)ini kaydetme Exercise 5: Bir bilgi grafiğini sorgulama Exercise 6: Cypher ifadeleri yazma Exercise 7: Cypher ifadelerini çalıştırma Exercise 8: MERGE ifadesi Exercise 9: Neo4j ile Metinden Cypher’a Graph RAG Exercise 10: Metinden Cypher'a bir zincir oluşturma Exercise 11: Metinden Cypher’a alma zinciri

Text-to-Cypher uygulamaları birçok durumda iyi çalışır, ama daha iyisini yapabiliriz! Sözlüksel ve alan grafikleri dahil farklı grafik modelleri kullanarak grafik veritabanlarının nasıl oluşturulacağını keşfet. Hem grafik hem de vektör getirmeyi aynı anda çalıştırabilmek için Neo4j vektör indeksleri oluştur ve iki dünyanın en iyisini bir araya getir!

Exercise 1: Sözcüksel grafikler Exercise 2: Sözcüksel grafiğin öğeleri Exercise 3: Oyunu Perdelere Bölme Exercise 4: Hiyerarşik bir sözcüksel grafik oluşturma Exercise 5: Sözcüksel grafikleri vektör arama ile birleştirme Exercise 6: Metin parçaları oluşturma Exercise 7: Bir vektör indeksi oluşturma Exercise 8: Etki alanı grafikleri Exercise 9: Yapılandırılmış bir çıktı oluşturma Exercise 10: Yapılandırılmış bir çıktı isteme Exercise 11: Az örnekli örnekler sağlama Exercise 12: Hibrit bir getirme zinciri oluşturma Exercise 13: Çalıştırılabilir lambda'lar Exercise 14: Bir girdiye ek değerler atama Exercise 15: Zincirin son halkası

Graph RAG uygulamaları genel olarak vektör tabanlı RAG’den daha güvenilir olsa da, tamamen hatasız değildir. Bu bölümde, Graph RAG uygulamalarını değerlendirmeyi, hatalı veya yinelenen grafik düğümlerini tespit etmeyi ve kullanıcı tercihleri zaman içinde öğrenilebilsin diye uzun vadeli belleği entegre etmeyi öğreneceksin.

Exercise 1: Varlık çözümleme Exercise 2: Çıkarılan varlıkları kullanma Exercise 3: Grafa dayalı varlık eşleştirme Exercise 4: RAGAS ile Graph RAG'i Değerlendirme Exercise 5: Bir Ragas değerlendirmesi oluşturma Exercise 6: Ragas ile bağlam getirmenin değerlendirilmesi Exercise 7: Bellek grafikleri Exercise 8: Konuşma belleğini grafikte kaydetme

Geçerli egzersiz

Exercise 9: Konuşma geçmişlerinden olguları çıkarma Exercise 10: Çıkarılan konuşma olgularını kullanma Exercise 11: Tebrikler!