neo4j-parent

这个模板允许你通过将文档拆分成较小的块并检索它们的原始或较大的文本信息，来平衡精确嵌入和上下文保留。

使用 Neo4j 向量索引，该包使用向量相似性搜索查询子节点，并通过定义适当的 retrieval_query 参数检索相应的父节点文本。

环境设置

你需要定义以下环境变量：

OPENAI_API_KEY=<YOUR_OPENAI_API_KEY>
NEO4J_URI=<YOUR_NEO4J_URI>
NEO4J_USERNAME=<YOUR_NEO4J_USERNAME>
NEO4J_PASSWORD=<YOUR_NEO4J_PASSWORD>

如果你想用一些示例数据填充数据库，可以运行 python ingest.py。

该脚本会处理并将来自文件 dune.txt 的文本部分存储到 Neo4j 图数据库中。

首先，将文本分成较大的块（"parents"），然后进一步细分为较小的块（"children"），其中父块和子块都有一定的重叠以保持上下文。

在将这些块存储到数据库后，使用 OpenAI 的嵌入计算子节点的嵌入，并将其存储回图数据库以供将来检索或分析。

此外，还创建了一个名为 retrieval 的向量索引，用于高效查询这些嵌入。

要使用此包，首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一的包安装，可以执行以下操作：

langchain app new my-app --package neo4j-parent

如果要将其添加到现有项目中，只需运行：

langchain app add neo4j-parent

并将以下代码添加到你的 server.py 文件中：

from neo4j_parent import chain as neo4j_parent_chain
add_routes(app, neo4j_parent_chain, path="/neo4j-parent")

（可选）现在让我们配置 LangSmith。

LangSmith 将帮助我们跟踪、监视和调试 LangChain 应用程序。

你可以在这里注册 LangSmith。

如果你没有访问权限，可以跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为 "default"

如果你在此目录中，可以直接启动 LangServe 实例：

langchain serve

这将在本地启动一个 FastAPI 应用程序，服务器运行在 http://localhost:8000

我们可以在 http://127.0.0.1:8000/docs 上查看所有模板。

我们可以通过以下代码访问模板：

from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/neo4j-parent")