Text-to-Cypher 擷取鏈
你現在已經有一個能把自然語言轉成 Cypher 陳述式的鏈。讓我們把它放進更大的鏈裡，實際執行這個由 LLM 產生的 Cypher，並用擷取到的資訊來回答使用者的問題。
本練習屬於課程
使用 LangChain 與 Neo4j 的 Graph RAG
練習說明
- 更新程式碼，執行由
text_to_cypher_chain產生的 Cypher 陳述式，並將結果指定給QA_PROMPT中使用的"context"變數。 - 將輸入原樣傳遞給
"question"變數，不做任何更動。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
qa_prompt = ChatPromptTemplate.from_messages([
SystemMessagePromptTemplate.from_template(QA_PROMPT),
HumanMessagePromptTemplate.from_template("Question: {question}")
])
qa_chain = {
# Use output of text_to_cypher to get database results
"context": text_to_cypher_chain | ____(lambda cypher: graph.____(cypher)),
# Pass the user input through to the "question" variable
"question": ____
} | qa_prompt | llm | StrOutputParser()
res = qa_chain.invoke({"question": "What companies is Harrison Chase connected to?"})
print(res)