Neo4j 知识讲解与在线工具使用教程

图数据库领域的核心工具 ——Neo4j,同时详细拆解其在线预览控制台(https://console-preview.neo4j.io/)的使用方法,以及查询工具(https://console-preview.neo4j.io/tools/query)的模块功能。

一、Neo4j 核心知识铺垫

在使用工具前,我们需要先理解 Neo4j 的本质和核心概念,这是后续操作的基础。

1. 什么是 Neo4j?

Neo4j 是世界上最流行的原生图数据库(Native Graph Database),专门用于存储、查询和分析 “实体之间的关联关系”。它与我们熟悉的 MySQL 等关系型数据库的核心差异的是:

  • 关系型数据库(MySQL):用 “表 + 行 + 外键” 间接表示关联,查询多表关联时需频繁 JOIN,效率低;
  • 图数据库(Neo4j):直接将 “实体” 和 “关联” 作为核心存储单元,关联关系无需通过外键推导,查询关联数据时速度极快(尤其适合复杂网络,如社交关系、知识图谱、路径分析等场景)。

Neo4j 的核心优势:

  • 高效处理关联数据:百万级节点 / 关系的关联查询秒级响应;
  • 直观的关系表达:用 “图形化” 方式呈现数据,无需复杂的表结构设计;
  • 强大的查询语言:支持 Cypher 语言,语法简洁,专门用于图数据操作。

2. Neo4j 核心概念(必懂!)

Neo4j 的数据模型由 3 个核心组件构成,所有操作都围绕这三者展开:

组件定义示例(知识图谱场景)
节点(Node)代表 “实体”,是数据的核心载体,可给节点贴 “标签”(类似分类)标签为「人物」的节点(姓名:李白);标签为「诗歌」的节点(标题:静夜思)
关系(Relationship)连接两个节点,代表实体间的关联,有方向、有类型「李白」→[创作]→「静夜思」(方向:从作者到作品;类型:创作)
属性(Property)描述节点或关系的具体信息,以 “键值对”(key-value)形式存储节点「李白」的属性:{时代:唐代,籍贯:陇西};关系「创作」的属性:{年份:730}

3. 核心查询语言:Cypher

Cypher 是 Neo4j 专属的查询语言,语法类似英语,直观易懂。核心语法规则:

  • 节点:用 () 表示,标签用 : 开头(如 (p:Person) 表示 “标签为 Person 的节点”);
  • 关系:用 [] 表示,类型用 : 开头(如 -[r:创作]-> 表示 “方向向右、类型为「创作」的关系”);
  • 属性:用 {key: value} 表示(如 (p:Person {name: "李白", age: 42}))。

常用示例:

  1. 创建节点 + 关系:CREATE (p:Person {name: "李白"} )-[r:创作]->(po:Poem {title: "静夜思"})
  2. 查询关联数据:MATCH (p:Person)-[r:创作]->(po:Poem) RETURN p.name, po.title(查询所有作者及其创作的诗歌);
  3. 更新属性:MATCH (p:Person {name: "李白"}) SET p.时代 = "唐代"
  4. 删除节点:MATCH (po:Poem {title: "静夜思"}) DELETE po(需先删除关联关系,否则报错)。

二、https://console-preview.neo4j.io/ 在线控制台使用教程

Neo4j Aura 是 Neo4j 提供的托管式图数据库服务(无需本地安装,直接在线使用),而 https://console-preview.neo4j.io/ 是其预览版控制台,适合新手快速上手。

1. 准备工作:访问与登录

  1. 打开浏览器,输入链接 https://console-preview.neo4j.io/
  2. 首次使用需注册 Neo4j 账号(支持邮箱注册),登录后进入控制台首页;
  3. 核心入口:首页左侧的「Databases」(数据库管理)和「Tools」(工具集,含 Query 工具)。

2. 步骤 1:创建数据库实例(必须!)

在线控制台需要先创建数据库,才能存储节点和关系:

  1. 点击首页「Create Database」(创建数据库);
  2. 配置数据库:
    • 输入数据库名称(如「唐诗知识图谱」);
    • 选择数据库版本(新手选「Free」免费版即可);
    • 选择区域(建议选离自己最近的区域,如「Asia Pacific」);
  3. 点击「Create」,等待 1-2 分钟,数据库创建完成(状态显示「Running」即为可用)。

3. 步骤 2:连接数据库

创建完成后,需连接数据库才能操作:

  1. 点击数据库卡片右侧的「Connect」(连接);
  2. 选择连接方式:新手直接选「Query」(进入查询工具),系统会自动完成连接(无需手动配置地址 / 密码,控制台已集成);
  3. 连接成功后,会自动跳转至 https://console-preview.neo4j.io/tools/query(查询工具页面)。

4. 步骤 3:用 Cypher 操作数据库(核心环节)

在查询工具页面,我们可以通过 Cypher 语句创建、查询、修改数据:

示例:构建 “唐诗知识图谱”
  1. 输入创建语句(复制到查询编辑器):

cypher

// 1. 创建作者节点 CREATE (p1:Person {name: "李白", 时代: "唐代", 籍贯: "陇西"}), (p2:Person {name: "杜甫", 时代: "唐代", 籍贯: "河南"}); // 2. 创建诗歌节点 CREATE (po1:Poem {title: "静夜思", 体裁: "五言绝句"}), (po2:Poem {title: "望岳", 体裁: "五言古诗"}); // 3. 创建关联关系 MATCH (p:Person), (po:Poem) WHERE p.name = "李白" AND po.title = "静夜思" CREATE (p)-[r:创作 {年份: 730}]->(po); MATCH (p:Person), (po:Poem) WHERE p.name = "杜甫" AND po.title = "望岳" CREATE (p)-[r:创作 {年份: 735}]->(po); 
  1. 点击查询编辑器右上角的「Run」(运行)按钮;
  2. 查看结果:运行成功后,下方会显示 “创建了 2 个节点、2 个关系” 的提示,切换到「Graph」视图可看到图形化的知识图谱。
示例:查询数据
  1. 清空查询编辑器,输入查询语句:

cypher

// 查询所有作者及其创作的诗歌 MATCH (p:Person)-[r:创作]->(po:Poem) RETURN p.name, r.年份, po.title, po.体裁; 
  1. 点击「Run」,结果会以「Table」(表格)或「Graph」(图形)形式展示,可自由切换视图。

教程https://www.w3cschool.cn/neo4j/https://www.w3cschool.cn/neo4j/

三、https://console-preview.neo4j.io/tools/query 模块作用详解

https://console-preview.neo4j.io/tools/query 是 Neo4j Aura 的核心查询工具,界面分为 6 个关键模块,每个模块都有明确的功能定位,我们逐一拆解:

1. 模块 1:Cypher 查询编辑器(核心输入区)

  • 位置:页面上方的大文本框;
  • 作用:编写、编辑 Cypher 语句(创建、查询、修改、删除数据);
  • 核心功能:
    • 语法高亮:关键词(如 MATCHCREATE)、节点 / 关系标签会用不同颜色标注,避免语法错误;
    • 自动补全:输入 (p: 时,会自动提示已存在的节点标签(如 Person),提高编写效率;
    • 语句格式化:点击编辑器上方的「Format」按钮,可自动整理语句缩进,让代码更易读;
    • 注释支持:用 // 标注单行注释,/* */ 标注多行注释,方便备注语句功能。

2. 模块 2:结果展示区(核心输出区)

  • 位置:查询编辑器下方,占页面主要区域;
  • 作用:展示 Cypher 语句的执行结果,支持 4 种视图切换:
    • 「Graph」视图(默认):图形化展示节点和关系,节点颜色按标签区分(如 Person 标签为蓝色,Poem 标签为绿色),可拖拽节点调整位置,双击节点 / 关系可查看详细属性;
    • 「Table」视图:以表格形式展示结果(适合查看结构化数据,如多属性查询结果);
    • 「Text」视图:以纯文本形式展示结果(适合快速复制数据);
    • 「Code」视图:以 JSON 格式展示结果(适合对接其他程序,如 Python 数据分析)。

3. 模块 3:数据库连接配置区

  • 位置:页面左侧边栏(「Connection」选项卡);
  • 作用:管理数据库连接信息(新手无需手动配置,系统自动关联已创建的数据库);
  • 核心功能:
    • 切换数据库:若创建了多个数据库,可在此选择要连接的数据库;
    • 查看连接详情:显示数据库的 URI、用户名、密码(可用于本地工具连接在线数据库);
    • 重新连接:若连接断开,点击「Reconnect」可快速重连。

4. 模块 4:属性面板(节点 / 关系详情区)

  • 位置:页面右侧边栏(默认隐藏,选中节点 / 关系后自动显示);
  • 作用:查看 / 编辑选中节点或关系的属性;
  • 操作:
    • 查看:选中「Graph」视图中的某个节点(如李白),右侧会显示其标签(Person)和所有属性(name: 李白时代: 唐代 等);
    • 编辑:点击属性值可直接修改(如将 李白 的 年龄 属性改为 45),修改后点击「Save」保存。

5. 模块 5:历史查询记录区

  • 位置:页面左侧边栏(「History」选项卡);
  • 作用:保存之前执行过的 Cypher 语句,避免重复编写;
  • 核心功能:
    • 查看历史:按执行时间排序,显示每条语句的执行时间和结果状态(成功 / 失败);
    • 复用语句:点击历史记录中的语句,可直接复制到查询编辑器中;
    • 删除记录:点击记录右侧的「×」,可删除无用的历史语句。

6. 模块 6:导出与工具集

  • 位置:结果展示区右上角;
  • 作用:导出查询结果、调整图形化视图;
  • 核心功能:
    • 导出结果:点击「Export」,可将结果导出为 CSV、JSON 或图片格式(适合报告制作、数据备份);
    • 图形缩放:通过「+」「-」按钮调整知识图谱的大小,方便查看复杂图谱;
    • 视图重置:点击「Reset View」,可将图形化视图恢复到默认布局,避免节点混乱。

四、实操练习(巩固所学)

  1. 用 CREATE 语句创建 3 个节点(标签:Book,属性:title(书名)、author(作者)、year(出版年份));
  2. 创建节点之间的关系(如 -[r:推荐]-> 表示 “推荐” 关系,属性:reason(推荐理由));
  3. 用 MATCH 语句查询 “所有被推荐的书籍及其推荐理由”;
  4. 切换「Graph」「Table」视图,观察结果差异;
  5. 导出查询结果为 CSV 格式。

Read more

百度文心大模型 4.5 开源深度测评:技术架构、部署实战与生态协同全解析

百度文心大模型 4.5 开源深度测评:技术架构、部署实战与生态协同全解析

声明:本文只做实际测评,并非广告 1.前言 2025 年 6 月 30 日,百度做出一项重大举措,将文心大模型 4.5 系列正式开源,并选择国内领先的开源平台 GitCode 作为首发平台。该模型也是百度在2025年3月16日发布的自研的新一代原生多模态基础大模型。模型在图片理解方面表现出色,可处理照片、电影截图、网络梗图、漫画、图标等多种形式的图片内容。在音视频理解上,文心大模型4.5也能精准把握其中场景、画面、人物等关键特征。并且,模型在生成名人形象、物品等相关内容时,呈现出较高的真实性 。 此次开源涉及 10 款模型,其中包含激活参数为 47B、3B 的混合专家(MoE)模型,以及参数规模为 0.3B 的稠密型模型 。而且,百度一并开放了预训练权重与推理代码。

By Ne0inhk
开源强化学习框架RLinf:面向具身和智能体的强化学习基础设施

开源强化学习框架RLinf:面向具身和智能体的强化学习基础设施

清华大学等发布RLinf:面向具身和智能体的强化学习基础设施 RLinf 是一个灵活且可扩展的开源强化学习基础设施,是以清华大学、北京中关村学院、无问芯穹为核心,还联合了北京大学、加州大学伯克利分校等机构共同参与设计并开源。这是一个面向具身智能的“渲训推一体化”大规模强化学习框架,专门为具身人工智能和智能体人工智能而设计。RLinf 中的“inf”代表“基础设施” Infrastructure,突显了它作为下一代训练强大骨干的作用。它也代表“无限” Infinite,象征着该系统支持开放式学习、持续泛化以及智能发展中的无限可能。 RLinf具身智能AI强化学习训练平台框架 参考链接: https://github.com/RLinf/RLinf Franka真机强化学习 本文档给出在 RLinf 框架内启动在 Franka 机械臂真机环境中训练任务的完整指南, 重点介绍如何从零开始训练基于 ResNet 的 CNN 策略以完成机器人操作任务。 主要目标是让模型具备以下能力: 1. 视觉理解:处理来自机器人相机的 RGB 图像。 2.

By Ne0inhk

最近爆火的 OpenClaw Skills 合集开源了!已收录 700+!

在介绍这份令人眼花缭乱的“武器库”之前,先给还不了解 OpenClaw 的朋友补个课。 简单来说,OpenClaw 是目前 GitHub 上最火的本地化 AI Agent 平台(前身是 Clawd/Moltbot)。不同于只能在网页里陪聊的 ChatGPT,OpenClaw 是一个运行在你电脑终端里的“数字管家”。 * 本地优先:直接运行在你的 Mac/Linux/Windows 上,数据不出本地,拥有 Docker 沙箱级安全保护。 * 全渠道接入:你可以通过 WhatsApp、Telegram、Slack 甚至 iMessage 随时指挥它。 * 行动派:它不只是给你建议,而是能直接读写文件、运行命令、调用 API。 如果说 OpenClaw 是一个强悍的操作系统,那么下面要介绍的

By Ne0inhk
开源模型应用落地-知识巩固-生产级AI服务优化(二)

开源模型应用落地-知识巩固-生产级AI服务优化(二)

一、前言     在构建基于Flask的AI接口服务时,采用蓝图(Blueprint)架构可以大幅提升应用的可管理性和扩展性。通过将不同功能模块(如用户认证、模型处理和数据管理)组织成独立的蓝图,我们可以更加清晰地划分代码结构,使团队协作和后续维护变得更加高效。同时,借助 `python-dotenv` 来管理敏感信息和环境变量,则进一步增强了应用的安全性和灵活性。通过合理的模块化设计与高效的环境设置,我们能够优化 AI 服务的开发和部署流程,提升服务的性能与用户体验。 二、术语介绍 2.1. Loguru     是一个用于 Python 的日志库,旨在简化日志记录的过程,提供比 Python 内置的 `logging` 模块更易用和更强大的功能。Loguru 不仅使得日志记录更加简单直观,还提供了许多功能,例如: 1. 简单易用:Loguru 的接口设计得非常直观,用户只需几行代码即可开始记录日志。 2. 丰富的功能:它支持多种日志级别、格式化、过滤、

By Ne0inhk