带筛选的 Graph RAG
对于大型且复杂的图，LLM 有时难以准确推断出用于构建 Cypher 查询的最相关节点与关系。很多情况下，您只需要让 LLM 关注图的一小部分。排除特定的节点类型不仅能让 LLM 更容易准确生成 Cypher 查询，还能提升查询延迟表现。
您一直在使用的图数据库已作为 graph 提供。
本练习是课程的一部分
使用 LangChain 的 Retrieval Augmented Generation (RAG)
练习说明
- 创建一个图问答链，用于查询
graph数据库，同时忽略类型为"Concept"的节点；已为您定义了llm，并且应设置verbose=True。 - 使用给定的输入调用
graph_qa_chain。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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']}")