Aplicación web que usa LLMs y LangChain para convertir PDFs, documentos, videos y páginas web en un grafo de conocimiento almacenado en Neo4j.
5,3 mil885Jupyter NotebookApache-2.0Actualizado hace 19 horas
neo4j/neo4j-graphrag-python
Paquete oficial de Python para crear aplicaciones GraphRAG que combinan bases de datos de grafos Neo4j, LLM y búsqueda vectorial.
- Estrellas
- 1,316
- Forks
- 257
- Issues abiertos
- 44
- Último commit
- hace 9 horas
¿Qué es?
neo4j-graphrag es la biblioteca oficial de Python de Neo4j para la generación aumentada por recuperación con grafos (GraphRAG). Permite crear grafos de conocimiento a partir de texto no estructurado y archivos PDF con un LLM, almacenarlos en Neo4j y responder preguntas recuperando del grafo los nodos y las relaciones relevantes, junto con resultados de búsqueda vectorial.
El paquete incluye una clase Pipeline para personalizar la construcción de grafos de conocimiento y un wrapper SimpleKGPipeline para agilizar la configuración. También ofrece retrievers para búsqueda vectorial, híbrida y mediante recorridos por grafos; un Text2CypherRetriever que genera consultas Cypher; y utilidades para crear y completar índices vectoriales de Neo4j. Para construir grafos de conocimiento, es necesario tener instalada la biblioteca APOC core en la instancia de Neo4j.
Los proveedores de LLM y de embeddings se instalan como extras opcionales. Entre ellos están OpenAI, Azure OpenAI, Anthropic, Google Gemini, Vertex AI, Cohere, Mistral, Amazon Bedrock y Ollama; también se admite sentence-transformers para embeddings locales. Los retrievers pueden usar asimismo los almacenes vectoriales externos Weaviate, Pinecone y Qdrant. El paquete es compatible con Python 3.10 a 3.14.
Funciones clave
- 01Crea grafos de conocimiento a partir de texto y archivos PDF con un LLM, y los almacena en Neo4j.
- 02Ofrece retrievers para búsqueda vectorial, híbrida, mediante recorridos por grafos y Text2Cypher.
- 03Incluye utilidades para crear y completar índices vectoriales de Neo4j.
- 04Admite LLM de OpenAI, Anthropic, Gemini, Cohere, Mistral, Bedrock y Ollama.
- 05Permite usar almacenes vectoriales externos como Weaviate, Pinecone y Qdrant.
Casos de uso
- Convertir un corpus de documentos en un grafo de conocimiento consultable en Neo4j.
- Añadir contexto de grafos a un chatbot RAG con búsqueda vectorial.
- Permitir que los usuarios hagan preguntas en lenguaje natural y obtener respuestas mediante consultas Cypher sobre datos existentes en grafos.
Inicio rápido
- 1
Instala el paquete desde PyPI con pip
pip install neo4j-graphrag - 2
Instálalo con el extra de OpenAI para ejecutar los ejemplos basados en OpenAI
pip install "neo4j-graphrag[openai]" - 3
Configura tu clave de OpenAI y ejecuta los ejemplos en una instancia de Neo4j en funcionamiento con APOC instalado
Antes de usarlo
- La creación de grafos de conocimiento requiere tener instalada la biblioteca APOC core en Neo4j.
- El espacio de nombres experimental puede cambiar sin previo aviso y no se recomienda para producción.
- El extra nlp no es compatible con Python 3.14.
- La mayoría de los ejemplos de LLM y embeddings necesitan una clave de API de pago, como la de OpenAI.
Temas
Preguntas frecuentes
- ¿Qué es neo4j-graphrag-python?
- Paquete oficial de Python para crear aplicaciones GraphRAG que combinan bases de datos de grafos Neo4j, LLM y búsqueda vectorial. neo4j-graphrag es la biblioteca oficial de Python de Neo4j para la generación aumentada por recuperación con grafos (GraphRAG). Permite crear grafos de conocimiento a partir de texto no estructurado y archivos PDF con un LLM, almacenarlos en Neo4j y responder preguntas recuperando del grafo los nodos y las relaciones relevantes, junto con resultados de búsqueda vectorial.
- ¿neo4j-graphrag-python es gratuito? ¿Qué licencia tiene?
- neo4j-graphrag-python es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿neo4j-graphrag-python sigue mantenido?
- Mantenimiento activo. El último commit de neo4j-graphrag-python fue el 22 oct 2026.
- ¿Para qué puedo usar neo4j-graphrag-python?
- Convertir un corpus de documentos en un grafo de conocimiento consultable en Neo4j. Añadir contexto de grafos a un chatbot RAG con búsqueda vectorial. Permitir que los usuarios hagan preguntas en lenguaje natural y obtener respuestas mediante consultas Cypher sobre datos existentes en grafos.
- ¿Cómo se instala neo4j-graphrag-python?
- Instala el paquete desde PyPI con pip: pip install neo4j-graphrag Instálalo con el extra de OpenAI para ejecutar los ejemplos basados en OpenAI: pip install "neo4j-graphrag[openai]" Configura tu clave de OpenAI y ejecuta los ejemplos en una instancia de Neo4j en funcionamiento con APOC instalado
- ¿Dónde consigo neo4j-graphrag-python?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/neo4j/neo4j-graphrag-python
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Sistema de memoria basado en grafos para agentes de IA que almacena conversaciones, crea grafos de conocimiento y registra razonamientos, con el respaldo de Neo4j.
588109PythonApache-2.0Actualizado hace 3 días
Neo4j es una base de datos de grafos que almacena datos como nodos y relaciones, y permite consultarlos con el lenguaje Cypher.
17,3 mil2,7 milJavaGPL-3.0Actualizado anteayer
Base de datos de grafos que representa las adyacencias como matrices dispersas y consulta con OpenCypher, orientada a grafos de conocimiento para cargas de trabajo de LLM y GraphRAG.
10,5 mil584RustOtherActualizado anteayer
Plataforma de memoria de IA de código abierto que convierte documentos, código y conversaciones en un grafo de conocimiento autohospedado para agentes de IA.
32,6 mil3,4 milPythonApache-2.0Actualizado anteayer
Framework y servidor ligero de RAG con grafos de conocimiento que indexa documentos como entidades y relaciones para generar respuestas de LLM con recuperación aumentada.
40,2 mil5,7 milPythonMITActualizado hace 7 días