企业官网建设流程全解析

实现流程

整体流程图：

是

否

用户提问

获取图谱 Schema

LLM 生成 Cypher 查询

Neo4j 执行查询

查询成功?

获取查询结果

返回错误信息

LLM 增强生成

自然语言回答

详细流程说明：

Neo4j图数据库大语言模型用户Neo4j图数据库大语言模型用户自然语言问题 + 图谱Schema生成 Cypher 查询语句Cypher语句执行 Cypher 查询返回查询结果问题 + 查询结果增强生成（总结回答）自然语言回答

流程：

1. 用户提问 → 2. 获取图谱结构 → 3. 生成 Cypher → 4. 执行查询 → 5. LLM 汇总回答

大模型和图数据库的连接

环境配置

创建.env文件：

NEO4J_URL=bolt://localhost:7687 NEO4J_USER=neo4j NEO4J_PASSWORD=your_password OPENAI_API_KEY=your_api_key OPENAI_BASE_URL=https://api.deepseek.com/v1

我这里用的是Deepseek，也可以根据自己的环境选择比如豆包，或者本地Ollama，或者Microsoft Foundry。

大模型调用

from langchain_openai import ChatOpenAI llm = ChatOpenAI( model="deepseek-v4-flash", api_key=OPENAI_API_KEY, base_url=OPENAI_BASE_URL, temperature=0 # 设为 0 提高输出确定性 )

Neo4j 连接

from langchain_neo4j import Neo4jGraph graph = Neo4jGraph( url=NEO4J_URL, username=NEO4J_USER, password=NEO4J_PASS )

第一步：文本转知识图谱

核心思想：利用 LLM 将自然语言文本转换为 Cypher 语句，自动创建知识图谱。

def text_to_knowledge_graph(text): prompt = f""" 请将以下文本转换为 Neo4j Cypher 语句： 文本：{text} 要求： 1. 识别实体作为节点（Person、Location、Event 等） 2. 识别关系作为边（COOPERATE_WITH、PERFORMED_AT 等） 3. 使用 MERGE 语句避免重复 4. 只输出 Cypher 语句 """ cypher = llm.invoke(prompt).content # 清理 markdown 代码块标记 if cypher.startswith('```'): cypher = cypher.split('\n', 1)[1].rsplit('\n', 1)[0] graph.query(cypher)

正巧昨天跟苏鹏老师聊起了郭德纲，所以这里就用郭德纲和于谦来做示例。

输入文本示例：

郭德纲 1973年出生，相声演员，与于谦长期搭档，2005年爆红 于谦 1969年出生，相声演员，擅长捧哏，常年和郭德纲合作

生成的 Cypher：

MERGE (g:Person {name: '郭德纲', birth_year: 1973, occupation: '相声演员'}) MERGE (y:Person {name: '于谦', birth_year: 1969, occupation: '相声演员'}) MERGE (g)-[:COOPERATE_WITH]->(y)

生成的知识图谱

第二步：获取图谱结构

目的：获取数据库的 schema 信息，为生成准确的 Cypher 查询提供上下文。这个思路跟TEXT2SQL基本是一致的。

这里我选择的是先从APOC插件中获取图谱的schema信息，如果失败，再从Neo4j数据库中获取。由于APOC不是默认被安装的，所以目标Neo4j环境很有可能没有这个插件。

def get_graph_schema(): # 获取节点标签 labels = graph.query("CALL db.labels() YIELD label RETURN collect(label)") # 获取关系类型 rels = graph.query("CALL db.relationshipTypes() YIELD relationshipType RETURN collect(relationshipType)") # 获取属性键 props = graph.query("CALL db.propertyKeys() YIELD propertyKey RETURN collect(propertyKey)") # 尝试使用 APOC（如果安装） try: apoc_schema = graph.query("CALL apoc.meta.data()") return {"labels": labels, "relationships": rels, "properties": props, "apoc": apoc_schema} except: return {"labels": labels, "relationships": rels, "properties": props}

APOC 安装方法（tar包安装）：

1. 下载对应版本的 APOC jar 文件
2. 放入neo4j/plugins/目录
3. 修改neo4j.conf：

   apoc.enabled=true apoc.meta.data.allowlist.all=true

4. 重启 Neo4j

第三步：生成 Cypher 查询并汇总增强生成结果

其它方法都已经准备好，最终再通过如下方法做调度：

def query_and_summarize(question): # 获取图谱结构 schema = get_graph_schema() # 生成 Cypher cypher_prompt = f""" 图谱结构：{schema} 用户问题：{question} 请生成 Cypher 查询语句。 """ cypher = llm.invoke(cypher_prompt).content # 执行查询 result = graph.query(cypher) # LLM 汇总 summary = llm.invoke(f"问题：{question}\n结果：{result}\n请用自然语言回答").content return summary

常见问题与解决方案

问题：LLM 返回带 markdown 代码块

错误信息：

Invalid input '```cypher': expected 'MATCH', 'MERGE', ...

某些模型会带一些前置和后置标记，有些不会，所以需要根据实际情况处理下。

解决方案：清理代码块标记

if cypher.startswith('```'): cypher = cypher.split('\n', 1)[1].rsplit('\n', 1)[0]

总结