neo4j-labs/llm-graph-builder

¿Qué es?

Funciones clave

• 01Crea grafos de conocimiento con nodos, relaciones y propiedades a partir de archivos no estructurados.
• 02Importa datos desde archivos locales, S3, Google Cloud Storage, YouTube y páginas web.
• 03Es compatible con varios proveedores de LLM, como OpenAI, Gemini, Diffbot, Anthropic y Ollama.
• 04Permite definir esquemas personalizados para las etiquetas de entidades y relaciones.
• 05Ofrece una interfaz de chat que responde preguntas sobre el grafo e incluye metadatos de las fuentes.
• 06Permite visualizar grafos en Neo4j Bloom.

Casos de uso

• Convertir una colección de archivos PDF o informes en un grafo consultable de entidades y relaciones.
• Crear un chatbot GraphRAG basado en tus propios documentos almacenados en Neo4j.
• Extraer conocimiento estructurado de transcripciones de YouTube o artículos web.
• Ejecutar la extracción con un modelo local de Ollama cuando los datos deban permanecer en tu propio equipo.

Inicio rápido

1. 1

   Requisito previo: Python 3.12 y una base de datos Neo4j 5.23 o posterior con APOC

2. 2

   Crea backend/.env a partir de backend/example.env y configura NEO4J_URI, NEO4J_USERNAME, NEO4J_PASSWORD y NEO4J_DATABASE

3. 3

   Crea un entorno virtual e instala las dependencias de backend

   cd backend && python3.12 -m venv venv && source venv/bin/activate && pip install -r requirements.txt
4. 4

   Inicia el servidor de backend

   uvicorn score:app --reload

Antes de usarlo

• !Se necesita una base de datos Neo4j 5.23 o posterior con APOC instalado; con Neo4j Desktop, backend y frontend deben desplegarse por separado.
• !Se necesita una clave de API de LLM (por ejemplo, de OpenAI o Diffbot) para crear grafos.

Temas

Preguntas frecuentes

¿Qué es llm-graph-builder?

Aplicación web que usa LLMs y LangChain para convertir PDFs, documentos, videos y páginas web en un grafo de conocimiento almacenado en Neo4j. Knowledge Graph Builder convierte contenido no estructurado, como archivos PDF, DOC y TXT, videos de YouTube y páginas web, en un grafo de conocimiento estructurado en Neo4j. Usa modelos de lenguaje de gran tamaño mediante el framework LangChain para extraer nodos, relaciones y sus propiedades, y permite definir un esquema personalizado para la extracción.

¿llm-graph-builder es gratuito? ¿Qué licencia tiene?

llm-graph-builder es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿llm-graph-builder sigue mantenido?

Mantenimiento activo. El último commit de llm-graph-builder fue el 21 oct 2026.

¿Para qué puedo usar llm-graph-builder?

Convertir una colección de archivos PDF o informes en un grafo consultable de entidades y relaciones. Crear un chatbot GraphRAG basado en tus propios documentos almacenados en Neo4j. Extraer conocimiento estructurado de transcripciones de YouTube o artículos web. Ejecutar la extracción con un modelo local de Ollama cuando los datos deban permanecer en tu propio equipo.

¿Cómo se instala llm-graph-builder?

Requisito previo: Python 3.12 y una base de datos Neo4j 5.23 o posterior con APOC Crea backend/.env a partir de backend/example.env y configura NEO4J_URI, NEO4J_USERNAME, NEO4J_PASSWORD y NEO4J_DATABASE Crea un entorno virtual e instala las dependencias de backend: cd backend && python3.12 -m venv venv && source venv/bin/activate && pip install -r requirements.txt Inicia el servidor de backend: uvicorn score:app --reload

¿Dónde consigo llm-graph-builder?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/neo4j-labs/llm-graph-builder