基于Python的自然语言处理系列（54）：Neo4j DB QA Chain 实战

        在本篇文章中，我们将演示如何利用LangChain框架和Neo4j图数据库来构建一个基于问答链（QA Chain）的查询系统。通过调用大语言模型（LLM），可以动态生成Cypher查询，从而简化数据库查询的流程。这种方法非常适合应用于知识图谱、推荐系统等需要灵活数据查询的场景。

一、准备工作

        在开始之前，请确保已经安装了Neo4j和LangChain库，并且已将Neo4j数据库在本地运行。

pip install openai langchain neo4j

二、设置LLM

        首先，设置并加载大语言模型（LLM），在这里我们将使用OpenAI的GPT模型。为了安全起见，API密钥应存储在环境变量中。以下代码片段演示了如何加载API密钥并初始化LLM实例。

import openai
from dotenv import load_dotenv
import os
from langchain.chat_models import ChatOpenAI

# 加载环境变量中的API密钥
load_dotenv()
api_key = os.getenv("OPENAI_API_KEY")
organization = os.getenv("OPEN_AI_ORG")

# 初始化LLM
llm = ChatOpenAI(
    openai_api_key=api_key,
    openai_organization=organization,
    max_tokens=1500
)

三、连接到Neo4j数据库

        接下来，使用Neo4jGraph类连接到本地Neo4j数据库，设置连接地址和用户名、密码。确保数据库已在端口7687上运行。

from langchain.graphs import Neo4jGraph

graph = Neo4jGraph(
    url="bolt://localhost:7687",
    username="neo4j",
    password="12345678"
)

四、向数据库插入数据

        假设数据库当前是空的。我们可以使用Cypher查询语句添加数据。在本例中，我们添加了电影《壮志凌云》的演员信息。MERG