BTW：刚开始我尝试用langchain封装的方法，但后来发现langchaing的核心库以及对neo4j的封装，接口已经大变，很难对齐颗粒度，所以这里使用的方法是自己梳理的过程。
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：
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：
- 识别实体作为节点（Person、Location、Event 等）
- 识别关系作为边（COOPERATE_WITH、PERFORMED_AT 等）
- 使用 MERGE 语句避免重复
- 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
img
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）：
下载对应版本的 APOC jar 文件
放入 neo4j/plugins/ 目录
修改 neo4j.conf：
apoc.enabled=true
apoc.meta.data.allowlist.all=true
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