Вставка документов GraphRAG в Neo4j, но ничего не поступает в мою рабочую область Neo4j.

import logging
from neo4j import GraphDatabase
from neo4j_graphrag.indexes import upsert_vector
import openai
from PyPDF2 import PdfReader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from dotenv import load_dotenv

load_dotenv()

# Настройка логирования как в файл, так и в консоль
logging.basicConfig(
    level=logging.INFO,  # Уровень логирования
    format="%(asctime)s - %(levelname)s - %(message)s",  # Формат логов
    handlers=[
        logging.FileHandler("pdf_processing.log"),  # Логировать в файл
        logging.StreamHandler()  # Логировать в консоль
    ]
)

URI = URI
AUTH = ("neo4j", "PWD")

# Установите здесь свой ключ API OpenAI
openai.api_key = openaikey

# Подключение к базе данных Neo4j
driver = GraphDatabase.driver(URI, auth=AUTH)

# Функция для извлечения текста из PDF-файла
def get_pdf_text(pdf_path):
    logging.info(f"Начато извлечение текста из PDF: {pdf_path}")
    text = ""
    pdf_reader = PdfReader(pdf_path)
    for page_num, page in enumerate(pdf_reader.pages):
        extracted_text = page.extract_text() if page.extract_text() else ''
        text += extracted_text
        logging.info(f"Извлечён текст со страницы {page_num + 1}: {len(extracted_text)} символов")
    logging.info(f"Завершено извлечение текста, общая длина: {len(text)} символов")
    return text

# Функция для разбиения извлечённого текста на части
def get_text_chunks(text, chunk_size=1000, chunk_overlap=200):
    logging.info(f"Начато разбиение текста на части, размер части: {chunk_size}, перекрытие: {chunk_overlap}")
    text_splitter = RecursiveCharacterTextSplitter(chunk_size=chunk_size, chunk_overlap=chunk_overlap)
    chunks = text_splitter.split_text(text)
    logging.info(f"Завершено разбиение текста. Всего создано частей: {len(chunks)}")
    return chunks

# Функция для генерации текстового эмбеддинга для данной части
def get_text_embedding(text_chunk):
    logging.info(f"Генерация эмбеддинга для части размером {len(text_chunk)}")
    response = openai.Embedding.create(
        input=text_chunk,
        model="text-embedding-ada-002"  # Эмбеддинг-модель OpenAI (1536-мерный вектор)
    )
    embedding = response['data'][0]['embedding']  # Извлечение векторного представления
    logging.info(f"Сгенерирован вектор эмбеддинга длиной {len(embedding)}")
    return embedding

# Функция для обработки PDF, разбиения текста на части, генерации эмбеддингов и обновления векторов в Neo4j
def process_pdf_and_upsert_vectors(pdf_path):
    logging.info(f"Начата обработка PDF: {pdf_path}")
    
    # Этап 1: Извлечение текста из PDF
    text = get_pdf_text(pdf_path)

    # Этап 2: Разбиение текста на части
    chunks = get_text_chunks(text)

    # Этап 3: Проход по каждой части и генерация эмбеддингов
    for i, chunk in enumerate(chunks):
        embedding = get_text_embedding(chunk)
        
        # Этап 4: Обновление вектора в Neo4j (node_id может быть динамическим)
        logging.info(f"Обновление вектора для части {i + 1}")
        upsert_vector(
            driver,
            node_id=i + 1,  # Предполагается, что каждой части соответствует новый узел
            embedding_property="vectorProperty",
            vector=embedding,
        )
        logging.info(f"Обновлён вектор для узла {i + 1}")
    
    logging.info(f"Завершена обработка PDF: {pdf_path}")

# Пример использования:
process_pdf_and_upsert_vectors(pdf_path)

Я прочитал официальную документацию Neo4j и попытался реализовать RAG, но не получаю никаких результатов. Я также пытался извлечь текст из PDF-документа, разбить его на части и затем обновить в Neo4j, но всё равно результаты отсутствуют, и в моем рабочем пространстве Neo4j нет эмбеддингов.

Может кто-то помочь мне решить эту проблему, чтобы я мог вставить свои эмбеддинги в Neo4j и затем выполнить векторный поиск на основе запроса пользователя!