探索 ArangoDB 和 LangChain 如何通过自然语言驱动图数据库查询

最新推荐文章于 2025-11-26 14:12:29 发布

原创最新推荐文章于 2025-11-26 14:12:29 发布 · 433 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#数据库 #langchain #oracle #python

探索 ArangoDB 和 LangChain 如何通过自然语言驱动图数据库查询

引言

在当代数据驱动的世界中，图数据库以其处理复杂连接数据的能力而异军突起。ArangoDB 是一款优秀的图数据库，它不仅支持原生图形数据，还集成了搜索引擎和 JSON 支持，允许通过单一查询语言进行访问。本文将向您展示如何利用大语言模型（LLMs）和 LangChain，为 ArangoDB 数据库提供自然语言接口。

主要内容

安装和设置

我们首先需要运行一个本地的 ArangoDB 实例，或者通过 ArangoDB 云连接器获取临时云实例。可以通过以下命令来运行 Docker 镜像：

docker run -p 8529:8529 -e ARANGO_ROOT_PASSWORD= arangodb/arangodb

或者，安装相关的 Python 包以连接到 ArangoDB 云实例：

%%capture
%pip install --upgrade --quiet python-arango # ArangoDB 的 Python 驱动
%pip install --upgrade --quiet adb-cloud-connector # ArangoDB 云实例配置器
%pip install --upgrade --quiet langchain-openai
%pip install --upgrade --quiet langchain

from adb_cloud_connector import get_temp_credentials
from arango import ArangoClient

con = get_temp_credentials()

# 使用 API 代理服务提高访问稳定性
db = ArangoClient(hosts=con["url"]).db(
    con["dbName"], con["username"], con["password"], verify=True
)

数据库填充

接下来，我们将使用 Python 驱动将《权力的游戏》数据导入数据库。首先，我们创建一个图并定义节点和边。

if db.has_graph("GameOfThrones"):
    db.delete_graph("GameOfThrones", drop_collections=True)

db.create_graph(
    "GameOfThrones",
    edge_definitions=[
        {
            "edge_collection": "ChildOf",
            "from_vertex_collections": ["Characters"],
            "to_vertex_collections": ["Characters"],
        },
    ],
)

documents = [
    {"_key": "NedStark", "name": "Ned", "surname": "Stark", "alive": True, "age": 41, "gender": "male"},
    {"_key": "CatelynStark", "name": "Catelyn", "surname": "Stark", "alive": False, "age": 40, "gender": "female"},
    # 省略其他人物数据
]

edges = [
    {"_to": "Characters/NedStark", "_from": "Characters/AryaStark"},
    # 省略其他关系数据
]

db.collection("Characters").import_bulk(documents)
db.collection("ChildOf").import_bulk(edges)

查询 ArangoDB 数据库

使用 ArangoGraphQAChain，您可以自然语言询问数据。以下是如何使用链来查询：

from langchain.chains import ArangoGraphQAChain
from langchain_openai import ChatOpenAI

chain = ArangoGraphQAChain.from_llm(ChatOpenAI(temperature=0), graph=graph, verbose=True)

print(chain.run("Is Ned Stark alive?"))