NebulaGraph

NebulaGraph 是一个开源、分布式、可扩展、快速的 图数据库，专为超大规模图形构建，延迟仅为毫秒。它使用 nGQL 图查询语言。

nGQL 是一个用于 NebulaGraph 的声明式图查询语言。它允许表达丰富且高效的图模式。nGQL 旨在服务于开发人员和运维专业人员。nGQL 是一种类似于 SQL 的查询语言。

本笔记本展示了如何使用大型语言模型为 NebulaGraph 数据库提供自然语言接口。

设置

您可以通过运行以下脚本将 NebulaGraph 集群作为 Docker 容器启动：

curl -fsSL nebula-up.siwei.io/install.sh | bash

其他选项包括：

• 作为 Docker Desktop 扩展 安装。请参见 这里
• NebulaGraph 云服务。请参见 这里
• 从包、源代码或通过 Kubernetes 部署。请参见 这里

一旦集群运行，我们可以为数据库创建 SPACE 和 SCHEMA。

%pip install --upgrade --quiet  ipython-ngql
%load_ext ngql

# connect ngql jupyter extension to nebulagraph
%ngql --address 127.0.0.1 --port 9669 --user root --password nebula
# create a new space
%ngql CREATE SPACE IF NOT EXISTS langchain(partition_num=1, replica_factor=1, vid_type=fixed_string(128));

# Wait for a few seconds for the space to be created.
%ngql USE langchain;

创建模式，关于完整数据集，请参见 这里。

%%ngql
CREATE TAG IF NOT EXISTS movie(name string);
CREATE TAG IF NOT EXISTS person(name string, birthdate string);
CREATE EDGE IF NOT EXISTS acted_in();
CREATE TAG INDEX IF NOT EXISTS person_index ON person(name(128));
CREATE TAG INDEX IF NOT EXISTS movie_index ON movie(name(128));

等待模式创建完成，然后我们可以插入一些数据。

%%ngql
INSERT VERTEX person(name, birthdate) VALUES "Al Pacino":("Al Pacino", "1940-04-25");
INSERT VERTEX movie(name) VALUES "The Godfather II":("The Godfather II");
INSERT VERTEX movie(name) VALUES "The Godfather Coda: The Death of Michael Corleone":("The Godfather Coda: The Death of Michael Corleone");
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather II":();
INSERT EDGE acted_in() VALUES "Al Pacino"->"The Godfather Coda: The Death of Michael Corleone":();

<!--IMPORTS:[{"imported": "NebulaGraphQAChain", "source": "langchain.chains", "docs": "https://python.langchain.com/api_reference/community/chains/langchain_community.chains.graph_qa.nebulagraph.NebulaGraphQAChain.html", "title": "NebulaGraph"}, {"imported": "NebulaGraph", "source": "langchain_community.graphs", "docs": "https://python.langchain.com/api_reference/community/graphs/langchain_community.graphs.nebula_graph.NebulaGraph.html", "title": "NebulaGraph"}, {"imported": "ChatOpenAI", "source": "langchain_openai", "docs": "https://python.langchain.com/api_reference/openai/chat_models/langchain_openai.chat_models.base.ChatOpenAI.html", "title": "NebulaGraph"}]-->
from langchain.chains import NebulaGraphQAChain
from langchain_community.graphs import NebulaGraph
from langchain_openai import ChatOpenAI

graph = NebulaGraph(
    space="langchain",
    username="root",
    password="nebula",
    address="127.0.0.1",
    port=9669,
    session_pool_size=30,
)

刷新图形模式信息

如果数据库的模式发生变化，您可以刷新生成 nGQL 语句所需的模式信息。

# graph.refresh_schema()

print(graph.get_schema)

Node properties: [{'tag': 'movie', 'properties': [('name', 'string')]}, {'tag': 'person', 'properties': [('name', 'string'), ('birthdate', 'string')]}]
Edge properties: [{'edge': 'acted_in', 'properties': []}]
Relationships: ['(:person)-[:acted_in]->(:movie)']

查询图形

我们现在可以使用图形密码问答链来询问图形的问题

chain = NebulaGraphQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True
)

chain.run("Who played in The Godfather II?")

> Entering new NebulaGraphQAChain chain...
Generated nGQL:
MATCH (p:`person`)-[:acted_in]->(m:`movie`) WHERE m.`movie`.`name` == 'The Godfather II'
RETURN p.`person`.`name`
Full Context:
{'p.person.name': ['Al Pacino']}

> Finished chain.

'Al Pacino played in The Godfather II.'