Grafos de domínio

Graph RAG com LangChain e Neo4j

Adam Cowley

Manager, Developer Education at Neo4j

Grafos de domínio

Um diagrama de grafo de conhecimento mostrando, à esquerda, o grafo lexical com um livro, capítulos e páginas, e à direita, as pessoas e empresas do livro, além de referências de outras fontes como a Wikipédia

Graph RAG com LangChain e Neo4j

De grafos lexicais a grafos de domínio

A letra de Don't Stop Believin' do Journey

Graph RAG com LangChain e Neo4j

De grafos lexicais a grafos de domínio

A letra de Don't Stop Believin' do Journey com "Small Town Boy" destacado como uma pessoa

Graph RAG com LangChain e Neo4j

De grafos lexicais a grafos de domínio

A letra de Don't Stop Believin' do Journey com "South Detroit" destacado como um local

Graph RAG com LangChain e Neo4j

De grafos lexicais a grafos de domínio

A letra de Don't Stop Believin' do Journey com "Born" destacado como a relação entre os nós para a pessoa "Small Town Boy" e o local "South Detroit"

Graph RAG com LangChain e Neo4j

De grafos lexicais a grafos de domínio

A letra de Don't Stop Believin' do Journey com "Raised" destacado como a relação entre os nós para a pessoa "Small Town Boy" e o local "South Detroit"

Graph RAG com LangChain e Neo4j

Exemplo de grafo de domínio

Um exemplo de grafo de domínio com uma pessoa que trabalha em uma empresa, localizada em um endereço. A pessoa possui um cartão de crédito, que tem um pedido feito nele em uma empresa no mesmo local

Graph RAG com LangChain e Neo4j

Saídas estruturadas

from pydantic import BaseModel, Field

from typing import Optional


class Character(BaseModel):
    """A character from the play."""

    id: str = Field(description="A unique identifier for the character in slug-case",

                    examples=["montague-romeo", "tybalt"])

    name: str = Field(description="The full name of the character", 
                    examples=["Romeo", "Tybalt"])

    family: Optional[str] = Field(description="The name of the family they belong to", 
                    examples=["Montague", "Capulet"])


class CharacterOutput(BaseModel):
    characters: list[Character] = Field(description="A list of characters")
Graph RAG com LangChain e Neo4j

Usando saídas estruturadas

from langchain.chat_models import init_chat_model
llm = init_chat_model("gpt-4o-mini", model_provider="openai", api_key="...")


# With a structured output
character_model = llm.with_structured_output(CharacterOutput)


# Use within a chain
chain = extraction_prompt | character_model


# Handle the response
output = chain.invoke(...)

CharacterOutput(characters=[Character, Character, Character...])
Graph RAG com LangChain e Neo4j

Salvando entidades

nodes = [

  Node(

      type="Character",

      id=character.id,

      properties={"name": character.name, "family": character.family}

  )

  for character in output.characters

]



# Build a GraphDocument
graph_document = GraphDocument(nodes=nodes, relationships=[])


# Save to the graph
graph.add_graph_documents([graph_document])
Graph RAG com LangChain e Neo4j

Vamos praticar!

Graph RAG com LangChain e Neo4j

Preparing Video For Download...