使用LangChain和Neo4j快速创建RAG应用

大家好，Neo4j 通过集成原生的向量搜索功能，增强了其对检索增强生成（RAG）应用的支持，这标志着一个重要的里程碑。这项新功能通过向量索引搜索处理非结构化文本，增强了 Neo4j 在存储和分析结构化数据方面的现有优势，进一步巩固了其在存储和分析结构化数据方面的领先地位。

本文将详细介绍如何利用 Neo4j Desktop（本地版）和 Neo4j Aura（云服务版）来存储向量索引，并构建一个基于纯文本数据的 RAG 应用。

1.云服务部署

要使用基于云的 Neo4j Aura，需要按照以下步骤操作：

首先，点击链接创建一个实例（https://neo4j.com）。在设置过程中，系统会提示输入默认的用户名（neo4j）和实例的密码。请务必记下这个密码，因为设置后将无法再次查看。

创建账户后，会看到这样的界面：

实例启动并运行后，接下来的任务是生成嵌入向量并将其存储。这里采用OpenAI的嵌入技术，这需要一个OPENAI_API_KEY。

为了将这些嵌入向量上传到Neo4j Aura实例，需要准备好以下环境变量：NEO4J_URI（Neo4j实例的URI）、NEO4J_USERNAME（用户名）和NEO4J_PASSWORD（密码）。

使用LangChain的WikipediaLoader功能，直接从Wikipedia网页中导入文章内容。

然后，将文章拆分成多个段落，并去除所有元数据，因为我们不需要存储这些信息。

import os
from langchain.vectorstores import Neo4jVector
from langchain.embeddings