资源介绍
视频数量：21个
总时长：4小时26分
课程介绍：
图数据库与知识图谱实战：从Neo4j基础到GraphRAG应用
你有没有遇到过这样的场景：想查清楚公司里某个员工的上级的上级的上级是谁，在一堆JOIN查询里写到头晕眼花？想分析一笔可疑交易背后牵连了多少个账户、几家公司，传统的关系型数据库怎么设计表结构都显得别扭？又或者你让大模型回答某个专业问题时，它一本正经地胡说八道，因为它的知识根本不扎实？
关系密集的数据，本来就该交给擅长关系的数据库来处理。让AI回答问题更靠谱，也得让AI先有一个靠谱的知识底座。这门课要带你深入图数据库的世界，用业界最流行的Neo4j作为工具，从零开始搭建真实可用的图系统，最后再把当下最热的GraphRAG技术落地到具体的业务项目里。
一、入门铺垫与工具准备
课程开头会先讲明白图数据库的核心概念——节点、关系、属性这三件套到底代表什么，以及它在社交网络、推荐系统、欺诈检测、知识管理这些领域里为什么比SQL更顺手。工具层面，Neo4j Desktop怎么安装、Python驱动怎么配置、相关IDE怎么选，这些都会讲到，确保你不会在环境搭建上浪费太多时间，可以把精力集中在真正的学习内容上。
二、Cypher查询语言系统讲解
图数据库有自己的查询语言，那就是Cypher。课程会分成两节把这门语言掰开揉透。基础部分从Match、Where、Return、Create四个关键字开始，教你按模式匹配节点、过滤条件、返回结果、新增数据。进阶部分则讲Merge、Set、Delete、Order By、Limit，处理去重、更新、删除、排序分页这些更复杂的操作。学完这两节，写Cypher查询就像写SQL一样自然，也能在面试时跟人聊清楚图数据库的查询逻辑。
三、图数据建模三种典型关系
建模能力决定了你能不能真正用好图数据库。课程会带你处理三种典型关系：一对多，比如一个部门下挂多个员工的常见组织结构；多对多，比如员工和项目之间的协作网络，一个员工可以参与多个项目，一个项目也可以由多个员工共同推进；以及层次结构，也就是父子层级的递归表达。专门有一节用时尚分类作为案例，从根类目"时尚"出发，下钻到服装、鞋类，再细分为男装、女装、男鞋、女鞋，把层级建模的思路讲得清清楚楚。
四、动手搭建两个中型项目
理论讲再多不如亲手做一个。课程里包含两个完整的搭建项目。第一个是人力资源图数据库，覆盖员工、部门、汇报关系等典型元素，让你把前面学的Cypher语法和建模知识串成一条线。第二个是航线图数据库，涉及18条航线、9个机场的真实数据，把航距作为属性存进去，为后续做图算法分析做好准备。这两个项目跑下来，基本的建图能力就扎实了。
五、图算法与图分析能力
建好图之后，怎么从中挖出价值？课程带你走一遍常用的图算法。用图投影把子图抽出来专门分析；用度中心性找出网络中连接数最多的关键节点，用PageRank算法量化节点的重要性；用最短路径算法算出两个节点之间的最优路线，这在路线规划、关系链路追踪里特别有用；最后用节点相似性和社区检测算法发现隐藏在数据里的群体结构。这些算法在推荐系统、风控建模、社交网络分析里都是核心工具，掌握之后你就具备了从图中挖掘洞见的能力。
六、用LLM构建知识图谱
光有结构化数据还不够，还要让计算机真正读懂非结构化文本。课程有一节专门演示如何用大语言模型从法律案件文档中自动抽取实体和关系，再把它们构建成知识图谱。这部分会教你写Python脚本调用LLM，让模型识别出案件里的人物、合同、金额、时间、地点这些关键实体，以及它们之间的关系，自动生成可以导入图数据库的数据。这是知识图谱从手工构建走向自动化构建的关键一步，也是当下很热门的技术方向。
七、GraphRAG四大落地项目
最后是课程的重头戏——GraphRAG应用。简单说就是把图数据库和检索增强生成结合起来，让AI的回答不再是凭空捏造，而是基于真实的图谱关系推理得出。课程安排了四个完整的项目，覆盖截然不同的业务场景：AI决策助手让问答更智能；权限管理系统用图谱判断谁能访问什么资源；欺诈分析系统追踪资金和实体之间的异常链路；供应链中断检测系统实时发现风险节点。每个项目都配有Python源代码，一行一行跟着做，就能把GraphRAG的完整流程吃透。
四个半小时的课程，分量不轻，但胜在每个章节都串起来讲，从基础语法到建模思路，再到算法分析和AI集成，最后落到四个完整项目，不会让人学到一半觉得零碎。学完这套东西，你不仅能熟练操作Neo4j，还能在自己的实际项目里把图数据库、知识图谱、大语言模型三者有机结合，搞定那些传统数据库啃不下来的复杂关系分析任务，让AI的回答真正有据可查。