llm-graph-builder

上传文档，一键用LLM自动生成知识图谱

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 884 🐛 待处理 61 👀 关注 33

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 5301

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

llm-graph-builder 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队neo4j-labs

官网地址https://llm-graph-builder.neo4jlabs.com

GitHubhttps://github.com/neo4j-labs/llm-graph-builder

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型data-import,genai,graph,graph-rag,graph-search,graphdb,graphrag,knowledge-graph,langchain,neo4j,rag,unstructured-data,vectordb

GitHub 星标★ 5301

上线时间2024-01-11 00:00:00

代码更新2026-11-01

仓库体积55.9 MB

本站数据更新2026-11-07

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

llm-graph-builder 是一个利用大语言模型从非结构化数据自动构建 Neo4j 知识图谱的开源工具。它解决了传统知识图谱构建依赖人工建模和清洗的痛点，用户只需提供文本、PDF、网页等原始内容，系统即可通过 LLM 自动抽取实体、识别关系并生成图谱，同时支持人机协同的交互式编辑与验证。核心能力包括：基于 LLM 的实体关系抽取、图谱可视化预览、手动调整节点与关系、支持多种数据源导入，以及将构建结果导出为 Cypher 查询或直接存储到 Neo4j 数据库。项目采用 Jupyter Notebook 作为主要开发语言，便于数据科学家快速上手和二次开发。当前处于成长阶段，社区活跃，适合需要快速将非结构化信息转化为结构化知识的场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5301

技术标签

genai graph graph-rag graphrag knowledge-graph

使用教程

难度：进阶约 30 分钟部署方式：本地安装 7 步

环境要求

Python 3.12 或更高版本（本地/独立部署后端时需要）
Neo4j 数据库 5.23 或更高版本，并安装 APOC 插件
Node.js 与 yarn（前端独立运行需要）
一个可用的 LLM API Key（Docker 部署默认启用 OpenAI 与 Diffbot）

安装与启动步骤

1准备前置环境

先安装 Python 3.12+、Node.js/yarn；准备 Neo4j 5.23+ 实例并安装 APOC。Neo4j Aura 含免费版都可用。
2克隆项目代码

把仓库拉到本地，后续所有命令都在项目根目录下执行。
```
git clone https://github.com/neo4j-labs/llm-graph-builder.git
cd llm-graph-builder
```
3配置后端环境变量

复制示例环境文件生成 backend/.env，然后填入你的 Neo4j 连接信息，可跳过登录弹窗。
```
cp backend/example.env backend/.env
```
4安装后端依赖

在 backend 目录建虚拟环境并安装 requirements.txt。Windows 激活命令为 venv\Scripts\activate。
```
cd backend
python3.12 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
```
5启动后端服务

在已激活虚拟环境的 backend 目录启动 uvicorn，--reload 用于开发热重载。
```
uvicorn score:app --reload
```
6配置并装前端依赖

复制前端示例环境文件生成 frontend/.env，按需修改变量后用 yarn 安装依赖。
```
cd frontend
cp frontend/example.env frontend/.env
yarn
```
7启动前端服务

在 frontend 目录运行开发服务器，终端会输出本地访问地址，浏览器打开即可。
```
cd frontend
yarn run dev
```

关键配置

配置项	必填	说明	示例
`NEO4J_URI`	是	Neo4j 数据库连接地址（Aura 或自建实例）	`neo4j+s://xxxx.databases.neo4j.io`
`NEO4J_USERNAME`	是	Neo4j 登录用户名	`neo4j`
`NEO4J_PASSWORD`	是	Neo4j 登录密码	`your-password`
`NEO4J_DATABASE`	是	要写入的 Neo4j 数据库名	`neo4j`
`OPENAI_API_KEY`	是	调用 OpenAI 模型生成图谱所需的密钥	`sk-xxxxxxxx`
`TRACK_USER_USAGE`	否	设为 true 开启按用户/库统计 Token 用量	`false`