neo4j-labs/llm-graph-builder

O que é?

Recursos principais

• 01Cria grafos de conhecimento com nós, relacionamentos e propriedades a partir de arquivos não estruturados.
• 02Importa dados de arquivos locais, S3, Google Cloud Storage, YouTube e páginas da web.
• 03Oferece suporte a vários provedores de LLM, incluindo OpenAI, Gemini, Diffbot, Anthropic e Ollama.
• 04Permite definir schemas personalizados para os rótulos de entidades e relacionamentos.
• 05Oferece uma interface de chat que responde a perguntas sobre o grafo e inclui metadados das fontes.
• 06Oferece visualização de grafos no Neo4j Bloom.

Casos de uso

• Transformar uma coleção de PDFs ou relatórios em um grafo consultável de entidades e relacionamentos.
• Criar um chatbot GraphRAG com base nos seus próprios documentos armazenados no Neo4j.
• Extrair conhecimento estruturado de transcrições do YouTube ou artigos da web.
• Executar a extração com um modelo local do Ollama quando os dados precisam permanecer na sua própria máquina.

Início rápido

1. 1

   Pré-requisito: Python 3.12 e um banco de dados Neo4j 5.23 ou superior com APOC

2. 2

   Crie backend/.env a partir de backend/example.env e defina NEO4J_URI, NEO4J_USERNAME, NEO4J_PASSWORD e NEO4J_DATABASE

3. 3

   Crie um ambiente virtual e instale os requisitos do backend

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

   Inicie o servidor do backend

   uvicorn score:app --reload

Antes de usar

• !É necessário um banco de dados Neo4j 5.23 ou superior com APOC instalado; no Neo4j Desktop, backend e frontend precisam ser implantados separadamente.
• !É necessária uma chave de API de LLM (por exemplo, OpenAI ou Diffbot) para criar grafos.

Tópicos

Perguntas frequentes

O que é llm-graph-builder?

Aplicação web que usa LLMs e LangChain para transformar PDFs, documentos, vídeos e páginas da web em um grafo de conhecimento armazenado no Neo4j. O Knowledge Graph Builder converte conteúdo não estruturado, como PDFs, arquivos DOC e TXT, vídeos do YouTube e páginas da web, em um grafo de conhecimento estruturado no Neo4j. Ele usa modelos de linguagem de grande porte por meio do framework LangChain para extrair nós, relacionamentos e suas propriedades, além de permitir definir um schema personalizado para a extração.

llm-graph-builder é gratuito? Qual é a licença?

llm-graph-builder é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.

llm-graph-builder ainda é mantido?

Manutenção ativa. O último commit de llm-graph-builder foi em 21 de out. de 2026.

Para que posso usar llm-graph-builder?

Transformar uma coleção de PDFs ou relatórios em um grafo consultável de entidades e relacionamentos. Criar um chatbot GraphRAG com base nos seus próprios documentos armazenados no Neo4j. Extrair conhecimento estruturado de transcrições do YouTube ou artigos da web. Executar a extração com um modelo local do Ollama quando os dados precisam permanecer na sua própria máquina.

Como instalar llm-graph-builder?

Pré-requisito: Python 3.12 e um banco de dados Neo4j 5.23 ou superior com APOC Crie backend/.env a partir de backend/example.env e defina NEO4J_URI, NEO4J_USERNAME, NEO4J_PASSWORD e NEO4J_DATABASE Crie um ambiente virtual e instale os requisitos do backend: cd backend && python3.12 -m venv venv && source venv/bin/activate && pip install -r requirements.txt Inicie o servidor do backend: uvicorn score:app --reload

Onde consigo llm-graph-builder?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/neo4j-labs/llm-graph-builder