含過濾條件的 Graph RAG
對於大型且複雜的圖，LLM 有時難以正確推論出用來建立 Cypher 查詢的最相關節點與關係。很多情況下，你只需要讓 LLM 瞭解圖的一個子集合；排除特定的節點類型，不僅能讓 LLM 更容易正確產生 Cypher 查詢，也能改善查詢延遲。
你一直在使用的圖形資料庫已可透過 graph 取得。
本練習屬於課程
使用 LangChain 的 Retrieval Augmented Generation（RAG）
練習說明
- 建立一個圖形 QA chain，用來查詢
graph資料庫，同時忽略"Concept"類型的節點；llm已為你定義，並將verbose=True。 - 使用提供的輸入呼叫
graph_qa_chain。
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。
# 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']}")