**Unlocking the Power of Neo4j: Integrating Language Models with Graph Databases**

    # 引言
    
    Neo4j 作为一款领先的图数据库管理系统，以其强大的图存储和处理能力著称。利用 Cypher 查询语言，Neo4j 能够高效地查询属性图，为复杂的数据关系提供了直观的解决方案。在这篇文章中，我们将探讨如何使用大型语言模型（LLMs）将自然语言界面与图数据库结合，使用户能够通过自然语言查询 Neo4j 数据库。
    
    # 主要内容
    
    ## Neo4j 简介
    
    Neo4j 是一个原生图数据库，专注于存储和处理由节点、边和其属性组成的数据。它符合 ACID 事务标准，保障了数据一致性和持久性。Neo4j 提供了社区版和商用扩展版，后者具备在线备份和高可用性功能。
    
    ## 安装和设置 Neo4j
    
    要开始使用 Neo4j，您可以选择在云端通过 Aura 服务创建免费实例，或在本地使用 Neo4j Desktop 应用或者 Docker 容器。以下是在本地运行 Docker 容器的示例命令：
    
    ```bash
    docker run \
    --name neo4j \
    -p 7474:7474 -p 7687:7687 \
    -d \
    -e NEO4J_AUTH=neo4j/password \
    -e NEO4J_PLUGINS=\["apoc"\] \
    neo4j:latest

    from langchain.chains import GraphCypherQAChain
    from langchain_community.graphs import Neo4jGraph
    from langchain_openai import ChatOpenAI
    
    # 初始化 Neo4jGraph
    graph = Neo4jGraph(url="bolt://localhost:7687", username="neo4j", password="password")
    
    # 使用 GraphCypherQAChain 查询
    chain = GraphCypherQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True
    )
    
    response = chain.invoke({"query": "Who played in Top Gun?"})
    print(response)

    graph.query(
    """
    MERGE (m:Movie {name:"Top Gun", runtime: 120})
    WITH m
    UNWIND ["Tom Cruise", "Val Kilmer", "Anthony Edwards", "Meg Ryan"] AS actor
    MERGE (a:Actor {name:actor})
    MERGE (a)-[:ACTED_IN]->(m)
    """
    )

    # 查询电影中的演员
    chain.invoke({"query": "Who played in Top Gun?"})

    ---END---