Text2Cypher 파이프라인

---

핵심 컴포넌트 상세

1. Schema Injection (스키마 주입) 심층 이해

LLM이 올바른 Cypher를 생성하려면 DB 구조를 알아야 한다.

graph.schema가 반환하는 정보:

스키마 추출의 내부 동작

graph.schema는 내부적으로 이런 Cypher를 실행한다:

스키마가 크면? 선택적 주입

노드 레이블이 50개, 관계가 100개인 대형 그래프에서는 전체 스키마를 넣으면 토큰이 너무 많아진다. 이럴 때는 선택적 스키마 주입이 필요하다.

---

2. LLM 설정: model과 temperature 선택

temperature가 Cypher 생성에 미치는 영향

temperature	효과	Text2Cypher 적합도
0	항상 같은 결과 (결정론적)	최적
0.1~0.3	약간의 변형	허용 범위
0.5~0.7	다양한 표현	위험
1.0	매우 다양 (창의적)	절대 금지

왜 temperature=0이 필수인가?

• 캐싱 불가: 같은 질문에 다른 Cypher → 캐시 히트율 0%
• 디버깅 어려움: 어떤 때는 되고 어떤 때는 안 되는 현상
• 보안 위험: 예상치 못한 쿼리 패턴 생성 가능

model 선택 가이드

모델	속도	정확도	비용	추천 용도
gpt-4o	보통	최고	높음	복잡한 쿼리, 프로덕션
gpt-4o-mini	빠름	높음	낮음	단순~중간 쿼리, 개발
gpt-3.5-turbo	매우 빠름	중간	매우 낮음	프로토타입 (비추천)
claude-3.5-sonnet	보통	최고	높음	복잡한 쿼리, 프로덕션

---

3. GraphCypherQAChain (LangChain 통합)

커스텀 프롬프트로 정확도 높이기

기본 프롬프트 대신 도메인 맞춤 프롬프트를 사용하면 정확도가 크게 향상된다:

---

한 눈에 보는 코드 흐름

6줄로 커스텀 프롬프트 기반 자연어 질의 시스템 완성!