参考资料

• Neo4j Cypher Manual
• Neo4j GraphRAG Python Package

Neo4j（02） - Neo4j GraphRAG：受控多跳检索与证据回链

读完后，你应能：

• 能验证“向量检索擅长找语义相近 Chunk，知识图谱擅长回答显式关系问题，例如“服务 A 依赖哪些组件，这些组件由谁维护””，并保存输入、输出与失败样本。
• 能验证“GraphRAG 的价值不是把所有文本变成节点，而是用稳定实体和关系补足多跳结构，再回链到原始证据”，并保存输入、输出与失败样本。
• 能验证“节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性”，并保存输入、输出与失败样本。

向量检索擅长找语义相近 Chunk，知识图谱擅长回答显式关系问题，例如“服务 A 依赖哪些组件，这些组件由谁维护”。GraphRAG 的价值不是把所有文本变成节点，而是用稳定实体和关系补足多跳结构，再回链到原始证据。

graph LR
    D[Document] -->|HAS_CHUNK| C[Chunk]
    C -->|MENTIONS| S[Service]
    S -->|DEPENDS_ON| K[Component]
    T[Team] -->|OWNS| K
    C -->|SOURCE| P[Page/URI]
    U[User ACL] -->|FILTER| D

一、先建立全局：Neo4j GraphRAG：受控多跳检索与证据回链 是什么？

理解“Neo4j GraphRAG：受控多跳检索与证据回链”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“Neo4j GraphRAG：受控多跳检索与证据回链”的第一个核心判断是：节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	建模原则	节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性。
2	参数化写入与查询	自然语言应先解析为受控意图和实体 ID，不要让 LLM 直接生成并执行任意 Cypher。
3	与混合检索协作	推荐顺序是：BM25/向量召回种子 Chunk → 实体链接 → 有界图扩展 → 取回支持关系的 Chunk → 与原候选融合和 Rerank。
4	安全、稳定与成本	所有入口强制租户与 ACL 条件，缓存键包含权限摘要和图谱版本。
5	验收	至少准备一跳、两跳、同名实体、跨租户和关系已过期五类问题；
6	向量检索擅长找语义相近 Chunk	向量检索擅长找语义相近 Chunk，知识图谱擅长回答显式关系问题，例如“服务 A 依赖哪些组件，这些组件由谁维护”。

1.1 核心对象之间怎样衔接

flowchart LR
  S1["建模原则"] --> S2
  S2["参数化写入与查询"] --> S3
  S3["与混合检索协作"] --> S4
  S4["安全、稳定与成本"] --> S5
  S5["验收"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“Neo4j GraphRAG：受控多跳检索与证据回链”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“Neo4j GraphRAG：受控多跳检索与证据回链”的对象和顺序已经明确后，再看可观察的失败：漏召回、排序丢失、引用断链或越权命中。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、建模原则

• 节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性。
• 关系类型使用受控枚举，禁止模型随意创造标签和关系名。
• Chunk 保存证据 ID 与摘要，不复制完整附件；原文由对象存储提供。
• 每条实体/关系记录来源 Chunk、抽取模型版本和置信度，低置信关系需要复核。

CREATE CONSTRAINT service_identity IF NOT EXISTS
FOR (service:Service)
REQUIRE (service.tenant_id, service.entity_id) IS UNIQUE;

CREATE CONSTRAINT chunk_identity IF NOT EXISTS
FOR (chunk:Chunk)
REQUIRE (chunk.tenant_id, chunk.chunk_id) IS UNIQUE;

三、参数化写入与查询

# requirements.txt
neo4j>=5,<7

示例为了固定深度把常量插入查询模板；它不是用户输入。自然语言应先解析为受控意图和实体 ID，不要让 LLM 直接生成并执行任意 Cypher。

四、与混合检索协作

推荐顺序是：BM25/向量召回种子 Chunk → 实体链接 → 有界图扩展 → 取回支持关系的 Chunk → 与原候选融合和 Rerank。图谱返回“关系”，最终给模型的仍应是有页码、版本和 ACL 的原始证据。

图召回单独评估：实体链接准确率、多跳路径命中率、证据回链率和权限泄漏率。不要只看最终答案，否则无法区分错误来自实体抽取、图关系、证据回链还是生成。

五、安全、稳定与成本

• 查询模板白名单化，限制关系类型、深度、返回量和超时；执行只读账号。
• 所有入口强制租户与 ACL 条件，缓存键包含权限摘要和图谱版本。
• 关系抽取只处理对业务有价值的实体类型，控制 LLM 成本和图规模。
• 图数据库不可用时可降级为 BM25 + 向量，但 Trace 明确记录图召回缺失。
• 定期对账孤儿 Chunk、无来源关系、低置信边和已删除文档引用。

六、验收

至少准备一跳、两跳、同名实体、跨租户和关系已过期五类问题；每条图路径都能回到可见 Chunk；无界 Cypher 无法执行；索引删除后图节点与关系按版本清理；图召回对最终 Recall 的增益大于其延迟与维护成本。

七、动手验证：先跑通 Neo4j GraphRAG：受控多跳检索与证据回链，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“Neo4j GraphRAG：受控多跳检索与证据回链”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

7.1 基线与候选只允许一个变量不同

验证“Neo4j GraphRAG：受控多跳检索与证据回链”时，先固定查询集、语料快照、权限身份、相关性标注。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“Neo4j GraphRAG：受控多跳检索与证据回链”时，动作是：离线回放检索，保存候选、过滤、排序和引用。原始结果不能只保留截图或汇总分数，必须同步保存：Recall@K、NDCG、引用命中率、无答案误答率、Trace，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	查询集、语料快照、权限身份、相关性标注
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	Recall@K、NDCG、引用命中率、无答案误答率、Trace
通过阈值	证据可回链，指标达基线，权限过滤无泄漏
立即停止	漏召回、排序丢失、引用断链或越权命中

7.2 执行前先排除不可比较条件

“Neo4j GraphRAG：受控多跳检索与证据回链”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“Neo4j GraphRAG：受控多跳检索与证据回链”的当前环境重复运行。
• 候选只改变一个与“Neo4j GraphRAG：受控多跳检索与证据回链”结论直接相关的条件。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

7.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“Neo4j GraphRAG：受控多跳检索与证据回链”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	查询集、语料快照、权限身份、相关性标注
过程可回放	离线回放检索，保存候选、过滤、排序和引用
结果可审计	Recall@K、NDCG、引用命中率、无答案误答率、Trace

“Neo4j GraphRAG：受控多跳检索与证据回链”的一次合格基线对照按以下顺序执行：

1. 保存“Neo4j GraphRAG：受控多跳检索与证据回链”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“Neo4j GraphRAG：受控多跳检索与证据回链”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“Neo4j GraphRAG：受控多跳检索与证据回链”：离线回放检索，保存候选、过滤、排序和引用。
4. 为“Neo4j GraphRAG：受控多跳检索与证据回链”保存：Recall@K、NDCG、引用命中率、无答案误答率、Trace。
5. 使用“Neo4j GraphRAG：受控多跳检索与证据回链”预登记条件判断：证据可回链，指标达基线，权限过滤无泄漏。
6. 如果“Neo4j GraphRAG：受控多跳检索与证据回链”未通过，不修改第二个变量，先恢复基线并保留失败现场。

八、用一张矩阵验证 Neo4j GraphRAG：受控多跳检索与证据回链 的关键结论

矩阵按正文顺序列出“Neo4j GraphRAG：受控多跳检索与证据回链”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
建模原则	节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性。	只改变与“建模原则”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace
参数化写入与查询	自然语言应先解析为受控意图和实体 ID，不要让 LLM 直接生成并执行任意 Cypher。	只改变与“参数化写入与查询”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace
与混合检索协作	推荐顺序是：BM25/向量召回种子 Chunk → 实体链接 → 有界图扩展 → 取回支持关系的 Chunk → 与原候选融合和 Rerank。	只改变与“与混合检索协作”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace
安全、稳定与成本	所有入口强制租户与 ACL 条件，缓存键包含权限摘要和图谱版本。	只改变与“安全、稳定与成本”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace
验收	至少准备一跳、两跳、同名实体、跨租户和关系已过期五类问题；	只改变与“验收”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace
向量检索擅长找语义相近 Chunk	向量检索擅长找语义相近 Chunk，知识图谱擅长回答显式关系问题，例如“服务 A 依赖哪些组件，这些组件由谁维护”。	只改变与“向量检索擅长找语义相近 Chunk”相关的条件	Recall@K、NDCG、引用命中率、无答案误答率、Trace

8.1 记录本次实际实验

下面的记录用于“Neo4j GraphRAG：受控多跳检索与证据回链”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "Neo4j GraphRAG：受控多跳检索与证据回链"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "离线回放检索，保存候选、过滤、排序和引用"
evidence: "Recall@K、NDCG、引用命中率、无答案误答率、Trace"
pass_when: "证据可回链，指标达基线，权限过滤无泄漏"
stop_when: "漏召回、排序丢失、引用断链或越权命中"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

8.2 边界实验必须证明能够停止和恢复

成功路径只能证明“Neo4j GraphRAG：受控多跳检索与证据回链”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：漏召回、排序丢失、引用断链或越权命中，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	Recall@K、NDCG、引用命中率、无答案误答率、Trace	证据可回链，指标达基线，权限过滤无泄漏
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：漏召回、排序丢失、引用断链或越权命中	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：定位解析、召回、过滤、排序或生成阶段，回滚对应版本	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“Neo4j GraphRAG：受控多跳检索与证据回链”，第一步是：定位解析、召回、过滤、排序或生成阶段，回滚对应版本。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“Neo4j GraphRAG：受控多跳检索与证据回链”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

九、Neo4j GraphRAG：受控多跳检索与证据回链 的结果解释

解释“Neo4j GraphRAG：受控多跳检索与证据回链”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	漏召回、排序丢失、引用断链或越权命中	先执行：定位解析、召回、过滤、排序或生成阶段，回滚对应版本
异常链路无法恢复	漏召回、排序丢失、引用断链或越权命中	先执行：定位解析、召回、过滤、排序或生成阶段，回滚对应版本
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“Neo4j GraphRAG：受控多跳检索与证据回链”只有同时满足“证据可回链，指标达基线，权限过滤无泄漏”，并且没有出现“漏召回、排序丢失、引用断链或越权命中”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“Neo4j GraphRAG：受控多跳检索与证据回链”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“Neo4j GraphRAG：受控多跳检索与证据回链”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十、Neo4j GraphRAG：受控多跳检索与证据回链 的发布判断

发布判断需要把“Neo4j GraphRAG：受控多跳检索与证据回链”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “Neo4j GraphRAG：受控多跳检索与证据回链”的基线与候选只存在一个计划内变量。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的输入、代码、依赖、配置和数据版本可以追溯。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的正常、临界、失败和恢复样本使用同一套断言。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的原始输出、中间状态和失败现场已经保留。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的日志、Trace、截图和测试数据已经脱敏。
• “Neo4j GraphRAG：受控多跳检索与证据回链”的停止条件、负责人和回滚入口已经演练。
• “Neo4j GraphRAG：受控多跳检索与证据回链”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“Neo4j GraphRAG：受控多跳检索与证据回链”的判断，就不能发布。

十一、总结

• 建模原则：节点使用 (tenant_id, entity_id) 唯一约束，名称只是可变属性。
• 参数化写入与查询：自然语言应先解析为受控意图和实体 ID，不要让 LLM 直接生成并执行任意 Cypher。
• 与混合检索协作：推荐顺序是：BM25/向量召回种子 Chunk → 实体链接 → 有界图扩展 → 取回支持关系的 Chunk → 与原候选融合和 Rerank。
• 安全、稳定与成本：所有入口强制租户与 ACL 条件，缓存键包含权限摘要和图谱版本。
• 验收：至少准备一跳、两跳、同名实体、跨租户和关系已过期五类问题；