LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答

这篇具有很好参考价值的文章主要介绍了LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Here’s the table of contents:

LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答

  LangChain 是一种 LLMs(大语言模型) 接口框架,它允许用户围绕大型语言模型快速构建应用程序和管道。
Langchain2ONgDB 是参考 Langchain2Neo4j 的实验项目,将ONgDB集成到了LangChain生态系统。
Langchain2Neo4j的基础上去掉了Keyword search(关键词全文检索)Vector search(向量检索)功能,只保留了基础的Cypher生成工具,并跑通了一个 中文数据集案例 。
如果对去掉的两个工具感兴趣可以查看 Langchain2ONgDB历史仓库 。

系统截图

LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答,LLM,ONgDB,Cypher,知识图谱,neo4j,人工智能,ongdb,图数据库

  使用 LangChain 构建应用程序后,当有用户提问时,系统会先通过代理找到合适的工具(知识图谱),然后通过工具获取数据,最后由 LLM + 私域数据生成一个流畅表达并回复用户。整个过程代理的调用会更复杂一些,当生成回复后系统会自动判断该LLM回复是否需要继续执行其它任务,是一个完全自主的递归调用流程。

LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答,LLM,ONgDB,Cypher,知识图谱,neo4j,人工智能,ongdb,图数据库

LangChain代理流程

LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答,LLM,ONgDB,Cypher,知识图谱,neo4j,人工智能,ongdb,图数据库

  代理流程在接收到用户输入时启动。然后,代理向 LLM 模型发送请求,其中包括用户问题和代理提示,代理提示是代理应该遵循的一组自然语言指令。反过来,LLM 会向代理提供进一步的指示。 对于工具的使用大多数情况下,我们的第一反应是使用可用的工具从外部来源获取更多信息。 但是,工具不限于只读操作。例如,您可以使用它们来更新数据库。在该工具返回附加上下文后,使用新获得的信息对 LLM 进行另一次调用。 LLM 可以选择返回给用户最终生成的答案,或者它可以决定需要通过其可用工具执行更多的操作。 对于每一个输出(Observation)之后会紧跟着一个思考(Thought),思考下一步做什么,如果发现任务全部完成就输出最终答案。文章来源地址https://www.toymoban.com/news/detail-585608.html

到了这里,关于LangChain 2 ONgDB:大模型+知识图谱实现领域知识问答的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包