Aplicação web que usa LLMs e LangChain para transformar PDFs, documentos, vídeos e páginas da web em um grafo de conhecimento armazenado no Neo4j.
5,3 mil885Jupyter NotebookApache-2.0Atualizado há 19 horas
neo4j/neo4j-graphrag-python
Pacote Python oficial da Neo4j para criar aplicações GraphRAG que combinam bancos de dados de grafos Neo4j, LLMs e busca vetorial.
- Estrelas
- 1,316
- Forks
- 257
- Issues abertas
- 44
- Último commit
- há 9 horas
O que é?
neo4j-graphrag é a biblioteca Python oficial da Neo4j para geração aumentada por recuperação em grafos (GraphRAG). Ela permite criar grafos de conhecimento a partir de textos não estruturados e PDFs usando um LLM, armazená-los no Neo4j e responder a perguntas recuperando nós e relacionamentos relevantes do grafo, junto com resultados de busca vetorial.
O pacote inclui a classe Pipeline, que permite personalizar a construção de grafos de conhecimento, e o wrapper SimpleKGPipeline, para uma configuração mais simples. Ele também oferece retrievers para busca vetorial, híbrida e por travessia de grafos, um Text2CypherRetriever que gera consultas Cypher e helpers para criar e popular índices vetoriais no Neo4j. Para construir grafos de conhecimento, é necessário instalar a biblioteca APOC core na instância do Neo4j.
Os provedores de LLM e de embeddings são instalados como extras opcionais, incluindo OpenAI, Azure OpenAI, Anthropic, Google Gemini, Vertex AI, Cohere, Mistral, Amazon Bedrock e Ollama. O pacote também oferece suporte a sentence-transformers para embeddings locais. Retrievers também podem usar os bancos vetoriais externos Weaviate, Pinecone e Qdrant. O pacote é compatível com Python 3.10 a 3.14.
Recursos principais
- 01Cria grafos de conhecimento a partir de textos e PDFs com um LLM e os armazena no Neo4j.
- 02Oferece retrievers para busca vetorial, híbrida, por travessia de grafos e Text2Cypher.
- 03Inclui helpers para criar e popular índices vetoriais no Neo4j.
- 04Oferece suporte a LLMs da OpenAI, Anthropic, Gemini, Cohere, Mistral, Bedrock e Ollama.
- 05Pode usar bancos vetoriais externos como Weaviate, Pinecone e Qdrant.
Casos de uso
- Transformar um conjunto de documentos em um grafo de conhecimento consultável no Neo4j.
- Adicionar contexto de grafos a um chatbot RAG com busca vetorial.
- Permitir que usuários façam perguntas em linguagem natural respondidas por consultas Cypher sobre dados de grafos existentes.
Início rápido
- 1
Instale o pacote do PyPI com pip
pip install neo4j-graphrag - 2
Instale com o extra do OpenAI para executar os exemplos baseados no OpenAI
pip install "neo4j-graphrag[openai]" - 3
Configure sua chave do OpenAI e execute os exemplos em uma instância do Neo4j em funcionamento com o APOC instalado
Antes de usar
- A construção de grafos de conhecimento requer a instalação da biblioteca APOC core no Neo4j.
- O namespace experimental pode mudar sem aviso prévio e não é recomendado para produção.
- O extra nlp não tem suporte no Python 3.14.
- A maioria dos exemplos de LLM e embeddings precisa de uma chave de API paga, como a do OpenAI.
Tópicos
Perguntas frequentes
- O que é neo4j-graphrag-python?
- Pacote Python oficial da Neo4j para criar aplicações GraphRAG que combinam bancos de dados de grafos Neo4j, LLMs e busca vetorial. neo4j-graphrag é a biblioteca Python oficial da Neo4j para geração aumentada por recuperação em grafos (GraphRAG). Ela permite criar grafos de conhecimento a partir de textos não estruturados e PDFs usando um LLM, armazená-los no Neo4j e responder a perguntas recuperando nós e relacionamentos relevantes do grafo, junto com resultados de busca vetorial.
- neo4j-graphrag-python é gratuito? Qual é a licença?
- neo4j-graphrag-python é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- neo4j-graphrag-python ainda é mantido?
- Manutenção ativa. O último commit de neo4j-graphrag-python foi em 22 de out. de 2026.
- Para que posso usar neo4j-graphrag-python?
- Transformar um conjunto de documentos em um grafo de conhecimento consultável no Neo4j. Adicionar contexto de grafos a um chatbot RAG com busca vetorial. Permitir que usuários façam perguntas em linguagem natural respondidas por consultas Cypher sobre dados de grafos existentes.
- Como instalar neo4j-graphrag-python?
- Instale o pacote do PyPI com pip: pip install neo4j-graphrag Instale com o extra do OpenAI para executar os exemplos baseados no OpenAI: pip install "neo4j-graphrag[openai]" Configure sua chave do OpenAI e execute os exemplos em uma instância do Neo4j em funcionamento com o APOC instalado
- Onde consigo neo4j-graphrag-python?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/neo4j/neo4j-graphrag-python
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Sistema de memória nativo em grafo para agentes de IA, que armazena conversas, cria grafos de conhecimento e registra raciocínios com o apoio do Neo4j.
588109PythonApache-2.0Atualizado há 3 dias
Neo4j é um banco de dados de grafos que armazena dados como nós e relacionamentos e permite consultá-los com a linguagem Cypher.
17,3 mil2,7 milJavaGPL-3.0Atualizado anteontem
Banco de dados de grafos que armazena adjacências como matrizes esparsas e consulta com OpenCypher, voltado a grafos de conhecimento para cargas de trabalho de LLM e GraphRAG.
10,5 mil584RustOtherAtualizado anteontem
Plataforma open source de memória para IA que transforma documentos, código e conversas em um grafo de conhecimento self-hosted para agentes de IA.
32,6 mil3,4 milPythonApache-2.0Atualizado anteontem
Um framework leve de RAG com grafo de conhecimento e servidor que indexa documentos como entidades e relações para gerar respostas de LLM com recuperação de informações.
40,2 mil5,7 milPythonMITAtualizado há 7 dias