llm-graph-builder

使用 LLM 從非結構化資料建構 Neo4j 圖形

llm-graph-builder 是什麼?

使用 LLM 從非結構化資料建構 Neo4j 圖形sitory

llm-graph-builder 概覽

這是什麼

llm-graph-builder 是一個實驗性的 Neo4j Labs 專案,能將非結構化資料(PDF、DOC、TXT、YouTube 影片、網頁等)轉換為儲存在 Neo4j 中的結構化知識圖譜。它使用大型語言模型(LLM)和 LangChain 框架。使用者可以從本機、GCS、S3 儲存桶或網路來源上傳檔案,選擇 LLM 模型,然後生成知識圖譜。

主要功能

  • 知識圖譜建立:使用 LLM 將非結構化資料轉換為結構化知識圖譜,提取節點、關係及其屬性。
  • 綱要支援:使用者可以使用自訂綱要或設定中已有的綱要來生成圖譜。
  • 圖譜視覺化:在 Neo4j Bloom 中同時檢視特定或多個資料來源的圖譜。
  • 資料對話:透過對話式查詢與 Neo4j 資料庫中的資料互動;可取得回應來源的中繼資料。
  • 支援的 LLM:包括 OpenAI、Gemini、Diffbot、Azure OpenAI、Anthropic、Fireworks、Groq、Amazon Bedrock、Ollama、Deepseek 及其他 OpenAI 相容的基礎 URL 模型。
  • Token 用量追蹤:監控每個使用者和資料庫連線的 LLM token 用量;檢視每日和每月的 token 消耗量與限制。
  • 嵌入模型選擇:從多種嵌入模型(OpenAI、Gemini、Amazon Titan、Sentence Transformers)中選擇以生成向量嵌入。

使用情境

llm-graph-builder 適用於將非結構化文件(PDF、DOC、TXT)、YouTube 影片、網頁及其他文字來源轉換為結構化知識圖譜。可用於資料整合、知識管理,以及建立需要從多樣來源提取實體和關係的圖形化應用程式。

快速開始

先決條件:Python 3.12 或更高版本,Neo4j 資料庫 5.23 或更新版本(需安裝 APOC)。支援 Neo4j Aura 資料庫(包含免費方案)。若使用 Neo4j Desktop,需分別部署後端和前端(不支援 docker-compose)。後端設定:bashcd backendpython3.12 -m venv venvsource venv/bin/activate # Windows 上:venv/Scripts/activatepip install -r requirements.txtuvicorn score:app --reload前端設定:bashcd frontendyarnyarn run dev關於 Docker-Compose 部署,請參閱儲存庫的 README。

授權與價格

授權:Apache-2.0。價格:開源。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/neo4j-labsllm-graph-builder.svg)](https://yunodb.com/tools/neo4j-labsllm-graph-builder?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/neo4j-labsllm-graph-builder?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/neo4j-labsllm-graph-builder.svg" alt="Featured on YunoDB" height="20"></a>