llm-graph-builder是一款利用OpenAI、Gemini等大型语言模型转化非结构化数据如PDF、文档、视频和网络页面等为结构化知识图谱的应用。此应用支持用户上传文件、自定义图谱模式，并使用Langchain框架进行图谱生成。用户还可以在多源数据环境下查看图谱，并通过对话查询与数据交互。

该项目汇集了Azure OpenAI最新的应用实例和模型性能测试，包括Neo4j集成、自动生成演示、GPT-4o和Phi-3 Vision等。涵盖了图像比较、车损协助、视频转文档生成、语音转写和摘要等多个领域，展示Azure OpenAI的多种强大功能。通过这些演示内容，用户可以了解如何有效地使用Azure OpenAI进行图像识别、文本生成和数据分析等多种实用工具的开发。

此项目通过OpenAI函数调用与语义层，实现了与Neo4j图数据库的高效互动。代理依据用户意图检索和推荐电影，并利用记忆工具保存用户偏好，提供个性化服务。项目包含简便的Streamlit界面，并可用Docker容器快速部署。更多详情请见博客。

knowledge_graph_maker是一个基于Python的工具，可将文本转换为基于指定本体的知识图谱。该工具支持大规模文本处理，利用大型语言模型(LLM)提取实体和关系，并能与Neo4j数据库集成。它可用于分析概念重要性、发现知识社区，以及实现图检索增强生成(GRAG)，为文本分析和高级问答系统提供支持。

dspy-neo4j-knowledge-graph项目结合DSPy、Neo4j和GPT-4技术，实现文本到知识图谱的自动化构建。系统能从文本中提取实体和关系，生成Cypher查询语句，并在Neo4j数据库中创建知识图谱。通过优化模式上下文，支持与现有数据结构的连接。项目提供简洁的安装和使用流程，为知识图谱研究和应用提供开源解决方案。项目采用Docker容器化部署Neo4j，简化了环境配置过程。使用Python虚拟环境管理依赖，确保了运行环境的一致性。系统通过环境变量配置API密钥和数据库连接，增强了安全性和灵活性。项目文档提供了详细的安装、使用和清理说明，便于用户快速上手和维护。

此仓库收集了一系列支持作者图数据科学博客的Jupyter Notebooks。内容聚焦于使用Neo4j进行图分析，提供实践案例和技术洞察。仓库资源涵盖图数据科学的最新进展和应用，适合开发者和数据科学家学习复杂图分析技术，增强数据驱动决策能力。项目内容同步发布在作者的Medium和WordPress博客上。

PurplePanda是一款云安全分析工具，用于从多个云平台和SaaS应用中收集资源信息，识别权限提升路径和潜在风险。支持Google Cloud Platform、GitHub和Kubernetes等平台分析，适用于安全团队评估云环境。该工具使用Neo4j图数据库可视化权限关系，便于安全专业人员深入分析云配置安全性。