Neo4j​ 是业界最主流的原生图数据库（Graph Database），专门用于存储、查询和分析节点-关系-属性构成的知识图谱/关联数据，核心查询语言是 Cypher。

一、核心概念（类比关系型 DB）

图模型

关系型 DB

说明

Node（节点）​

行 / 记录

实体，如 Person、Company

Relationship（关系）​

外键 / 中间表

有方向有类型，如 KNOWS、WORKS_AT

Property（属性）​

列字段

挂在节点或关系上，如 name、since

Label（标签）​

表名

节点分类，如 :Person、:Product

二、Cypher 查询示例

// 创建节点和关系
CREATE (a:Person {name:'Alice'})-[:KNOWS {since:2024}]->(b:Person {name:'Bob'})

// 查询 Alice 认识的人
MATCH (a:Person {name:'Alice'})-[:KNOWS]->(friend)
RETURN friend.name

// 找最短路径
MATCH path = shortestPath((a:Person {name:'Alice'})-[*]-(b:Person {name:'Bob'}))
RETURN path

Cypher 语法接近 SQL 但专为图遍历设计，()=节点，[]=关系，-[:TYPE]->=有向边

三、主要特性

  • ✅ 原生图存储：关系是一等公民，不用 JOIN 表，多跳关联查询极快

  • ✅ ACID 事务、支持 HA/集群（企业版）

  • ✅ Neo4j Browser / Bloom：可视化图探索（Bloom 偏业务友好）

  • ✅ 生态完善：Python（py2neo、neo4jDriver）、Java、JS、Go；可与 LangChain / Spring Data Neo4j 集成

  • ✅ GDS 库（Graph Data Science）：内置 PageRank、社区发现、节点嵌入等图算法

  • ✅ 免费社区版：足够用于学习、中小项目

四、典型应用场景

  • 🕸️ 知识图谱（实体关系抽取、问答系统）

  • 🔍 反欺诈 / 风控（资金环路、关联账户识别）

  • 👥 社交网络 / 推荐系统（共同好友、影响力传播）

  • 🏢 IT 运维 / 依赖分析（服务调用链、组件影响面）

  • 🧬 生物医药（基因-蛋白-疾病关联）

五、快速启动（Docker）

docker run -d \
  --name neo4j \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/yourPassword \
  neo4j:latest

访问 http://localhost:7474→ 用你设的用户名/密码登录。

如果你是想把 Neo4j 作为 MyAgents / MCP 工具的后端知识图谱存储，或者想看 Python 操作 Neo4j 的代码示例 / 与 LangChain 结合做 RAG，可以继续问 👍