En este vídeo te voy a explicarr como hablar con bases de datos gráficas utilizando un agente Inteligente con Retrieval Augmentation Generation (RAG).

Mostrare cómo implementar un sistema (RAG) utilizando LangChain y Neo4j.

Componentes Principales:

Neo4j Graph: Es una integración que funciona como envoltorio para el controlador Python de Neo4j, permitiéndote consultar y actualizar la base de datos Neo4j de manera simplificada desde LangChain.

CypherQAChain: Es un componente de LangChain que permite interactuar con una base de datos Neo4j utilizando lenguaje natural. Usa un modelo de lenguaje grande (LLM) y el esquema del grafo para:

Traducir la pregunta del usuario a una consulta Cypher
Ejecutarla contra el grafo
Usar la información contextual obtenida para generar una respuesta en lenguaje natural


Neo4jVector: Proporciona integración vectorial con Neo4j, permitiendo:

-Crear vectores desde documentos de LangChain
Consultar vectores
-Combinar consultas vectoriales con consultas Cypher adicionales
Realizar búsquedas híbridas y filtrado de metadatos

-Integración de neo4j con langchain a través de GraqhsipperQAChain
-Ne4j vector integration para documents langchain.
-MCP Context Protocol.

Te Introducire como Usar el cliente y servidor MCP integrado con la Aplicacion Claude Desktop de Anthropic y poder conectarte a una base de datos grafica NEo4J y hacer preguntas a la base de datos usando lenguaje Natural.

Notebook y código solo para subscriptores de pago. Para acceder contactar con el administrador
mlengineerchannel@gmail.com