在官方例子中给出了通过chain = NebulaGraphQAChain.from_llm(ChatOpenAI(temperature=0), graph=graph, verbose=True)来检索NebulaGraph图数据库。本文介绍了通过GPT2替换ChatOpenAI的思路和实现，暂时不考虑效果。之所以没用ChatGLM2是因为加载模型太慢，调试不方便，不过将GPT2替换为ChatGLM2也很方便。

一.通过ChatOpenAI来检索NebulaGraph1.NebulaGraph_OpenAI.py代码实现  如果没有ChatGPT的key和proxy是没法运行的，如下所示：

2.NebulaGraphQAChain默认prompt  基本思路是介绍、举例、图Schema和限制，如下所示：

二.通过GPT2来检索NebulaGraph1.NebulaGraph_GPT2.py代码实现  使用自定义的GPT2()替换ChatOpenAI(temperature=0)即可，如下所示：

2.GPT2.py代码实现  主要是继承LLM类，并且实现def _call(self, prompt: str, stop: Optional[List[str]] = None) -> str:函数，如下所示：

3.GPT2_Flask.py代码实现  主要是通过Flask将GPT2进行API封装，如下所示：

因为通用LLM通过prompt将text转换为nGQL并不专业，觉得以后的发展思路应该还是专用LLM作为agent来做这个事情。

参考文献：[1]https://huggingface.co/gpt2[2]使用LLMs模块接入自定义大模型：https://blog.csdn.net/zhaomengsen/article/details/130585397[3]https://github.com/ai408/Langchain-Chatchat/blob/master/examples/NebulaGraph_GPT2.py[4]https://github.com/ai408/Langchain-Chatchat/blob/master/examples/GPT2.py[5]https://github.com/ai408/Langchain-Chatchat/blob/master/examples/GPT2_Flask.py