Написання інструкцій Cypher

Щоб отримувати інформацію з графів знань Neo4j для використання у робочому процесі Graph RAG, вам потрібно розуміти мову запитів Neo4j — Cypher. Згодом цей Cypher генеруватимуть LLM, але корисно розібратися з ним, щоб за потреби ви могли його перевірити.

У наступних кількох вправах ви поступово складете інструкцію Cypher, щоб знайти людей, які працюють у компанії.

Ця вправа є частиною курсу

Graph RAG з LangChain і Neo4j

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

cypher = """
____ (n:Person)
RETURN *
"""

Редагувати та запускати код

Ця вправа є частиною курсу

Graph RAG з LangChain і Neo4j

SkillTag.level.advancedSkillTag.label

4.8+

Почніть курс безкоштовно

Дізнайтеся, як Graph RAG підвищує точність і надійність RAG-застосунків! Зберігайте інформацію як вузли та ребра в базі даних Neo4j і надайте вашій LLM змогу робити до неї запити, щоб отримувати відомості про сутності та їхні зв'язки й формувати обґрунтовані відповіді.

Exercise 1: Графи та RAG Exercise 2: Створення вузлів Exercise 3: Створення зв'язків Exercise 4: Збереження графових документів Exercise 5: Запити до графа знань Exercise 6: Написання інструкцій Cypher

Поточна вправа

Exercise 7: Виконання інструкцій Cypher Exercise 8: Оператор MERGE Exercise 9: Text-to-Cypher Graph RAG з Neo4j Exercise 10: Створення ланцюжка text-to-Cypher Exercise 11: Ланцюжок Text-to-Cypher для отримання даних

Text-to-Cypher-застосунки добре працюють у багатьох випадках, але ми можемо досягти кращого! Дізнайтеся, як будувати графові бази даних із використанням різних графових моделей, зокрема лексичних і предметних графів. Створіть векторні індекси Neo4j, щоб поєднати обидва підходи й одночасно виконувати графовий і векторний пошук!

Exercise 1: Лексичні графи Exercise 2: Елементи лексичного графа Exercise 3: Поділ п'єси на дії Exercise 4: Створення ієрархічного лексичного графа Exercise 5: Поєднання лексичних графів із векторним пошуком Exercise 6: Створення текстових фрагментів Exercise 7: Створення векторного індексу Exercise 8: Галузеві графи Exercise 9: Створення структурованого результату Exercise 10: Запит структурованого виводу Exercise 11: Надання few-shot прикладів Exercise 12: Створення гібридного ланцюжка отримання даних Exercise 13: Лямбда-вирази Runnable Exercise 14: Призначення додаткових значень вхідним даним Exercise 15: Остання ланка в ланцюгу

Хоча Graph RAG загалом надійніший за векторний RAG, він теж не бездоганний. У цьому розділі ви навчитеся оцінювати ваші Graph RAG-застосунки, виявляти помилкові або дубльовані вузли графа та інтегрувати довготривалу пам'ять, щоб з часом враховувати вподобання користувачів.

Exercise 1: Узгодження сутностей Exercise 2: Використання виділених сутностей Exercise 3: Розв'язання сутностей на основі графа Exercise 4: Оцінювання Graph RAG за допомогою RAGAS Exercise 5: Створення оцінювання Ragas Exercise 6: Оцінювання отримання контексту за допомогою Ragas Exercise 7: Графи пам'яті Exercise 8: Збереження пам'яті розмови в графі Exercise 9: Видобування фактів з історій розмов Exercise 10: Використання витягнутих фактів розмови Exercise 11: Вітаємо!