Neo4j

主流的图数据库，提供知识图谱与 GraphRAG 能力，用于构建带实体关系的检索增强生成应用。

它到底解决什么问题

关系型数据库擅长存表格，但一旦数据之间的关系变得复杂——比如“谁认识谁”“哪个零件装配到哪台设备”“这笔转账经过哪些账户”——用 SQL 写多表 JOIN 就会越来越痛苦。Neo4j 是把“关系”当作一等公民来存的数据库，节点和边直接落盘，查两跳、三跳关系不用拼一堆 JOIN。

适合用它的场景很具体：反欺诈路径分析、推荐系统、供应链溯源、IT 资产依赖图，以及这两年很热的 GraphRAG——把文档里的实体和关系抽出来建成图谱，检索时沿着实体关系走，比单纯向量相似度召回更能回答“A 和 B 之间是什么关系”这类问题。

图模型长什么样

数据模型很直白：节点（Node）带标签和属性，关系（Relationship）有方向、有类型、也能带属性。查询语言叫 Cypher，写法接近在纸上画图：

MATCH (p:Person {name: '张三'})-[:KNOWS]->(friend)-[:WORKS_AT]->(c:Company)
RETURN friend.name, c.name

这段就是在问“张三的朋友都在哪家公司”。路径匹配是它的看家本领，变长路径、最短路径都有原生支持，不用自己写递归。

GraphRAG 这块怎么落地

Neo4j 提供向量索引，可以把 embedding 存在节点属性上，同时保留图结构。检索时既能做向量相似度召回，也能顺着关系扩展上下文——比如先向量找到一篇文档，再沿 MENTIONS 关系带出它提到的所有实体和关联文档，喂给大模型时上下文更完整，也更可解释。

官方有 neo4j-graphrag-python 这类库，封装了知识图谱构建、检索器、GraphRAG pipeline 的常用组件，接 LangChain、LlamaIndex 也有现成集成。部署上支持自托管和 AuraDB 云托管，社区版免费，企业版按需。

什么情况下别选它

数据基本是规整的表格、查询以聚合统计为主、关系深度不超过一两层，那 PostgreSQL 更省事。图数据库的优势在“关系本身就是查询目标”的时候才明显，硬套反而增加运维成本。另外超大规模全图扫描类分析，它也不是最优解，得看具体负载。

常见问题

Neo4j 是什么？

主流的图数据库，提供知识图谱与 GraphRAG 能力，用于构建带实体关系的检索增强生成应用。

Neo4j 的官方网站是什么？

Neo4j 的官方网站是 https://neo4j.com，可直接在浏览器中打开使用。