LLM Knowledge Graph Builder הוא אחד מכלי ה-GraphRAG Ecosystem של Neo4j המאפשרים לך להפוך נתונים לא מובנים לגרפי ידע דינמיים. הוא משולב עם צ'אטבוט של דור אחזור (RAG), המאפשר שאילתות בשפה טבעית ותובנות הניתנות להסבר על הנתונים שלך.   התחל עם GraphRAG: הכלים האקולוגיים של Neo4j  מהו Neo4j LLM Knowledge Graph Builder?  Neo4j   הוא יישום מקוון חדשני להפיכת טקסט לא מובנה לגרף ידע ללא קוד וללא Cypher, המספק חוויית טקסט-לגרף קסומה. היא משתמשת במודלים של ML (LLMs: OpenAI, Gemini, Diffbot) כדי להפוך קובצי PDF, דפי אינטרנט וסרטוני YouTube לגרף ידע של ישויות ומערכות היחסים ביניהן. LLM Knowledge Graph Builder  הקצה הקדמי הוא אפליקציית React המבוססת על   שלנו, והקצה האחורי הוא אפליקציית Python FastAPI. הוא משתמש   ש-Neo4j תרם ל-LangChain. ערכת ההתחלה של המחטים במודול ה-llm-graph-transformer   האפליקציה מספקת חוויה חלקה, לאחר ארבעה שלבים פשוטים:    תומך במקורות נתונים שונים, כולל מסמכי PDF, דפי ויקיפדיה, סרטוני YouTube ועוד. הטלת נתונים -    משתמש ב-LLMs כדי לזהות ולחלץ ישויות וקשרים מטקסט לא מובנה. זיהוי ישויות -    ממירה ישויות וקשרים מוכרים לפורמט גרף, תוך שימוש ביכולות הגרף של Neo4j. בניית גרפים -    מספק ממשק אינטרנט אינטואיטיבי למשתמשים לאינטראקציה עם האפליקציה, מקל על העלאת מקורות נתונים, הדמיה של הגרף שנוצר ואינטראקציה עם סוכן RAG. יכולת זו מרגשת במיוחד מכיוון שהיא מאפשרת אינטראקציה אינטואיטיבית עם הנתונים, בדומה לניהול שיחה עם גרף הידע עצמו - אין צורך בידע טכני.  ממשק משתמש -  בואו ננסה את זה  אנו מספקים את האפליקציה   שלנו ללא צורך בכרטיסי אשראי וללא מפתחות LLM - ללא חיכוכים. בסביבה המתארחת ב-Neo4j  לחלופין, כדי להפעיל אותו באופן מקומי או בתוך הסביבה שלך, בקר ב-   ופעל לפי ההוראות המפורטות שנעסוק בפוסט זה. Repo הציבורי של GitHub  לפני שנפתח ונשתמש ב-LLM Knowledge Graph Builder, בואו ניצור מסד נתונים חדש של Neo4j. לשם כך, אנו יכולים להשתמש במסד נתונים חינמי של AuraDB על ידי ביצוע השלבים הבאים:  התחבר או צור חשבון בכתובת   . https://console.neo4j.io  תחת מופעים, צור מסד נתונים חינם של AuraDB.  הורד את קובץ האישורים.  המתן עד שהמופע יפעל.  כעת, כאשר מסד הנתונים Neo4j שלנו פועל והאישורים שלנו, אנו יכולים לפתוח את בונה גרפי הידע LLM, וללחוץ על   בפינה השמאלית העליונה.  התחבר ל-Neo4j שחרר את קובץ האישורים שהורדת בעבר בתיבת הדו-שיח של החיבור. כל המידע צריך להתמלא באופן אוטומטי. לחלופין, אתה יכול להזין הכל באופן ידני.  יצירת גרף הידע  התהליך מתחיל בהטמעת הנתונים הלא מובנים שלך, אשר מועברים לאחר מכן דרך ה-LLM כדי לזהות ישויות מפתח ומערכות היחסים ביניהן.  אתה יכול לגרור ולשחרר קובצי PDF וקבצים אחרים לאזור הקלט הראשון משמאל. הקלט השני יאפשר לך להעתיק/להדביק את הקישור לסרטון YouTube שבו תרצה להשתמש, בעוד שהקלט השלישי לוקח קישור לדף ויקיפדיה.  לדוגמא זו, אטען כמה קובצי PDF שיש לי על חברת שרשרת אספקה בשם GraphACME,   וסרטון   על ה-Corporate Sustainability Due Diligence Directive (CSDDD), וכן שני עמודים מויקיפדיה:     . מאמר לעיתונות מ-Forbes YouTube הוראת בדיקת נאותות לקיימות תאגידית ובנגלדש  בזמן העלאת הקבצים, האפליקציה תאחסן את המקורות שהועלו כצמתי מסמכים בגרף באמצעות LangChain Document Loaders ומנתחים של YouTube. ברגע שכל הקבצים הועלו, אתה אמור לראות משהו דומה לזה:   כל מה שאנחנו צריכים לעשות עכשיו זה לבחור את הדגם לשימוש, ללחוץ על   ולתת לקסם לעשות את השאר בשבילך! Generate Graph  אם ברצונך ליצור רק מבחר קובץ, תוכל לבחור תחילה את הקבצים (עם תיבת הסימון בעמודה הראשונה של הטבלה) וללחוץ על   . Generate Graph   ⚠️  שימו לב שאם אתם רוצים להשתמש בסכמת גרף מוגדרת מראש או משלכם, תוכלו ללחוץ על סמל ההגדרה בפינה השמאלית העליונה ולבחור סכימה מוגדרת מראש מהתפריט הנפתח, השתמשו בעצמכם על ידי כתיבה תוויות הצומת והקשרים, משוך את הסכימה הקיימת ממסד נתונים קיים של Neo4j, או העתק/הדבק טקסט ובקש מה-LLM לנתח אותו ולהמציא סכימה מוצעת.  בזמן שהוא מעבד את הקבצים שלך ויוצר את גרף הידע שלך, הרשו לי לסכם את מה שקורה מתחת למכסה המנוע:  התוכן מחולק לחלקים.  נתחים מאוחסנים בגרף ומחוברים לצומת המסמך ואחד לשני לתבניות RAG מתקדמות.  נתחים דומים מאוד קשורים ליחסים דומים ליצירת גרף K-Nearest Neighbours.  הטבעות מחושבות ומאוחסנות בנתחים ובאינדקס הווקטור.  באמצעות ה-llm-graph-transformer או diffbot-graph-transformer, ישויות וקשרים נשלפים מהטקסט.  ישויות מאוחסנות בגרף ומחוברות לנתחים שמקורם.  חקור את גרף הידע שלך  המידע שחולץ מהמסמך שלך מובנה לפורמט גרף, שבו ישויות הופכות לצמתים, וקשרים הופכים לקצוות המחברים את הצמתים הללו. היופי בשימוש ב-Neo4j טמון ביכולת שלו לאחסן ולשאול ביעילות את רשתות הנתונים המורכבות הללו, מה שהופך את גרף הידע שנוצר לשימוש מיידי עבור מגוון יישומים.  לפני שנשתמש בסוכן RAG כדי לשאול שאלות על הנתונים שלנו, נוכל לבחור מסמך אחד (או רבים) עם תיבת הסימון וללחוץ על   . פעולה זו תציג את הישויות שנוצרו עבור המסמכים שבחרת; אתה יכול גם להציג את צומת המסמך והנתחים בתצוגה זו:  הצג גרף  הלחצן   יפתח   כדי לעזור לך לדמיין ולנווט את גרף הידע החדש שלך שנוצר. הפעולה הבאה -   מוחקת את המסמכים והנתחים שנבחרו מהגרף (וישויות אם תבחרו בו באפשרויות). פתח גרף עם בלום את Neo4j Bloom מחק קבצים -  דבר עם הידע שלך  עכשיו מגיע החלק האחרון: סוכן RAG שתוכלו לראות בחלונית הימנית.  תהליך האחזור - איך זה עובד?  התמונה למטה מציגה תצוגה פשוטה של תהליך GraphRAG.   כאשר המשתמש שואל שאלה, אנו משתמשים באינדקס הווקטור של Neo4j עם שאילתת אחזור כדי למצוא את הנתחים הרלוונטיים ביותר לשאלה ולישויות המחוברות ביניהם עד לעומק של 2 דילוגים. אנו גם מסכמים את היסטוריית הצ'אט ומשתמשים בה כמרכיב להעשרת ההקשר.  הקלט והמקורות השונים (השאלה, תוצאות וקטוריות, היסטוריית צ'אט) נשלחים כולם למודל ה-LLM שנבחר בהנחיה מותאמת אישית, תוך בקשה לספק ולעצב תגובה לשאלה שנשאלה בהתבסס על האלמנטים וההקשר שסופקו. כמובן שלהנחיה יש יותר קסם, כמו עיצוב, בקשה לצטט מקורות, לא לשער אם תשובה אינה ידועה וכו'. ניתן למצוא את ההנחיה המלאה וההוראות כ-   ב-   . FINAL_PROMPT QA_integration.py  שאל שאלות הקשורות לנתונים שלך  בדוגמה זו, טענתי מסמכים פנימיים על חברה מזויפת בשם GraphACME (שבסיסה באירופה), מייצרת ומתעדת את כל אסטרטגיית שרשרת האספקה והמוצרים שלה. טענתי גם מאמר עיתונאי וסרטון יוטיוב המסבירים את ה-CSDDD החדש, השפעתו והרגולציה שלו. כעת אנו יכולים לשאול את הצ'אט בוט שאלות על הידע הפנימי (המזויף) של החברה שלנו - שאלות על חוק CSDDD, או אפילו שאלות על פני שניהם, כמו לבקש את רשימת המוצרים ש-GraphACME מייצרת, אם הם יושפעו מהרגולציה של CSDDD, וכן אם כן, כיצד זה ישפיע על החברה.   תכונות צ'אט  בצד ימין של מסך הבית, תבחינו בשלושה כפתורים המצורפים לחלון הצ'אט:    יסגור את ממשק הצ'אטבוט. סגור    ימחק את היסטוריית הצ'אט של ההפעלה הנוכחית. ניקוי היסטוריית הצ'אט    יפתח את ממשק הצ'אטבוט במצב מסך מלא. חלון מקסימום  על התשובות של סוכן RAG, תמצא שלוש תכונות לאחר התגובה:    יפתחו חלון קופץ של מידע אחזור המציג כיצד סוכן RAG אסף והשתמש במקורות (מסמכים), נתחים וישויות. מידע על הדגם המשמש וצריכת האסימון כלול גם כן. פרטים    יעתיק את תוכן התגובה ללוח. העתק    יקרא את תוכן התגובה בקול.  טקסט לדיבור  סיכום  כדי לצלול עמוק יותר לתוך LLM Knowledge Graph Builder,   מציע שפע של מידע, כולל קוד מקור ותיעוד. בנוסף,   שלנו מספק הנחיות מפורטות לתחילת העבודה, ו-   מציעה תובנות נוספות לגבי הכלים והיישומים הרחבים יותר הזמינים. מאגר GitHub התיעוד GenAI Ecosystem  מה הלאה - יכולות תרומה והרחבה  הניסיון שלך עם LLM Knowledge Graph Builder לא יסולא בפז. אם אתה נתקל בבאגים, יש לך הצעות לתכונות חדשות, רוצה לתרום או רוצה לראות שיפורים מסוימים, פלטפורמת הקהילה היא המקום המושלם לחלוק את המחשבות שלך. עבור אלה המיומנים בקידוד, תרומה ישירה ב-GitHub יכולה להיות דרך מתגמלת לעזור לפתח את הפרויקט. ההשקעה והתרומות שלך לא רק עוזרות לשפר את הכלי אלא גם לטפח קהילה שיתופית וחדשנית:   Neo4j קהילה מקוונת   הצטרף לשרת Neo4j Discord!  אֶמְצָעִי  למד עוד על משאבים חדשים עבור יישומי GenAI:   . כלי הקוד הפתוח הללו מקלים על תחילת העבודה עם יישומי GenAI המבוססים על גרפי ידע, שעוזרים לשפר את איכות התגובה ויכולת ההסבר ולהאיץ את פיתוח ואימוץ האפליקציות. Neo4j GraphRAG Ecosystem Tools  וִידֵאוֹ   https://youtu.be/Z42VVH9qngo?si=lfu3ie5zS9woQ8h9&embedable=true  קישורים   התחל עם GraphRAG: הכלים האקולוגיים של Neo4j   GitHub – neo4j-labs/llm-graph-builder: בניית גרף Neo4j מנתונים לא מובנים   Neo4j LLM Knowledge Graph Builder - חילוץ צמתים ומערכות יחסים מטקסט לא מובנה (PDF, YouTube, דפי אינטרנט) - Neo4j Labs   GenAI Ecosystem - Neo4j Labs   Needle StarterKit 2.0: תבניות, צ'אטבוט ועוד!

This story contains new, firsthand information uncovered by the writer.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

האודיו הזה מופק בשפת המקור של הסיפור!

יותר מדי זמן; לקרוא

Make resilience your competitive advantage

שליטה בגרפי ידע LLM: בנה והטמיע GraphRAG תוך 5 דקות בלבד

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps