Text-to-Cypher 检索链
您现在已经有一个可以将自然语言转换为 Cypher 语句的链。让我们把它放入一个更大的链中，执行这个由 LLM 生成的 Cypher，并使用检索到的信息来回答用户问题。
本练习是课程的一部分
使用 LangChain 和 Neo4j 的 Graph RAG
练习说明
- 更新代码，执行由
text_to_cypher_chain生成的 Cypher 语句，并将结果赋值给在QA_PROMPT中使用的"context"变量。 - 将输入原样传递给
"question"变量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)