llm-graph-builder

项目介绍：LLM Graph Builder

LLM Graph Builder 是一个强大的应用程序，它旨在将非结构化数据（如PDF、文档、文本文件、YouTube 视频、网页等）转化为存储于 Neo4j 中的知识图谱。该应用程序利用大语言模型（如 OpenAI、Gemini 等）的强大功能，从文本中提取节点、关系及其属性，并使用 Langchain 框架创建结构化的知识图谱。用户可以从本地设备、谷歌云存储（GCS）、S3 存储桶或网上来源上传文件，选择适合的 LLM 模型来生成知识图谱。

主要特性

• 知识图谱创建：利用大语言模型将非结构化数据转化为结构化的知识图谱。
• 提供数据架构：用户可以在设置中使用现有架构或提供自定义架构来生成图谱。
• 图谱查看：通过 Bloom 查看单个或多个来源的知识图谱。
• 数据交互：用户可以通过对话查询在 Neo4j 数据库中与数据进行互动，并获取响应来源的元数据。

开始使用

要使用这个知识图谱生成器，用户需要安装带有 APOC 的 Neo4j 数据库 V5.15 或更高版本。用户可选择使用免费的 Neo4j Aura 数据库。如果使用 Neo4j 桌面版，则无法使用 docker-compose，需要按照“单独部署前端和后端”的指导部署。

部署

本地部署

• 通过 Docker-compose 运行：默认情况下，只有 OpenAI 和 Diffbot 被启用，因为 Gemini 需要额外的 GCP 配置。根据环境需求配置模型，可以在根目录下创建 .env 文件来保存 OpenAI 和 DIFFBOT 的密钥。

• 关于输入来源的默认配置：包括本地文件、YouTube、维基百科、AWS S3 和网页。如需启用 GCS 集成，需添加 gcs 和 Google 客户端 ID。

云端部署

可以通过 Google 云平台将应用程序和包部署到云端。对于前端和后端，分别运行指定的 gcloud 命令。

环境变量

LLM Graph Builder 提供灵活的环境配置，允许用户调整如嵌入模型、KNN 算法的最低分数、启用或禁用 Gemini 等选项。

本地大语言模型（Ollama）

支持用户在本地运行 Ollama 的 LLM 模型，通过配置 Docker 的环境变量并启用后端 API URL，用户可以选择 Ollama 模型进行数据提取。

使用方法

1. 连接到 Neo4j Aura 实例，输入 URI 和密码或使用 Neo4j 凭证文件。
2. 从非结构化来源列表中选择要创建图谱的数据源。
3. 如有需要，从下拉菜单中更改用于生成图谱的 LLM。
4. 在实体图提取设置中定义架构（节点和关系标签）。
5. 可以选择多个文件生成图谱，或处理所有处于“新”状态的文件。
6. 使用“查看”按钮单独查看文件的图谱，或选择一个或多个文件进行图谱预览。
7. 可以就处理或完成的数据源向聊天机器人提问，并获取 LLM 生成的答案的详细信息。

链接和参考

• LLM 知识图谱生成器应用程序
• Neo4j 工作区
• 应用程序演示
• 提交 GitHub 问题 以获取更多支持

希望你能在知识图谱构建中获得乐趣！