用国产大模型+LangChain+Neo4j建立知识图谱 之一 实体关系提取与导入
本篇以网络小说《悟空传》的前7章来演示用国产LLM+LangChain+Neo4j（中文版）从非结构化的文本文档中构建知识图谱，开发支持微软GraphRAG论文中所述的全局查询与局部查询的具体过程。分为两个语料文件以演示从多文档数据集中构建知识图谱，第1个文本文件包含第1~4章，第2个文本文件包含第5~7章。从结构化的存量知识库中构建知识图谱会更简单一些，直接写Cypher查询语句灌入Neo4j就可以了。
这个解决方案集成了Neo4j GraphRAG方案图数据库与工具链的优势，以及微软GrapRAG方案实体社区全局视野的优势，无缝连接各个主流的国产大模型，集各家之所长，是国内开发部署GraphRAG落地应用可行的高性价比解决方案。对于生产环境高负载高并发的落地应用来说，高性能图数据库与强大LLM模型的支撑是必不可少的，而LangChain这样的开发框架则有效的提高了构建、集成、开发、测试与部署落地应用等整个软件研发周期的效率，可以快速开发出应用原型，快速的迭代进化，快速的部署测试和应用。