Windows 安装 Neo4j(2025最新·极简)

Windows 安装 Neo4j(2025最新·极简)

目录

1. 准备

2. 下载安装包

3. 一键安装

4. 启动 Neo4j

5.安装 Neo4j 的系统服务


Neo4j 是目前最流行的原生图数据库,用图结构(节点-关系-属性)存储数据,而非传统表结构。它专为海量关联数据设计,提供:

  • 原生图存储:基于免索引邻接结构,每个节点直接维护指向相邻节点的物理指针,实现 O(1) 时间复杂度的图遍历。
  • Cypher 查询语言:ISO 标准化图查询语言,采用 ASCII-Art 模式匹配语法,支持可变长度路径、子图查询、聚合与更新混合事务。
  • ACID 事务:支持完整事务、集群高可用,可承载企业级负载。
  • 丰富生态:内置 Graph Data Science (GDS) 框架,提供中心性、社区发现、路径搜索、相似度、图嵌入等 60+ 算法;原生连接器支持 Apache Spark、Kafka、Hadoop、BI 工具,与 Java、Python、Go、JavaScript 等语言深度集成。
  • 可视化即服务 :Neo4j Browser 提供即席 Cypher 编辑与结果渲染;Bloom 支持自然语言拖拽式探索,无需编写查询即可实现子图导航、路径高亮、动态过滤,支持权限粒度的图共享。
  • 适用场景:社交网络、金融风控、知识图谱、实时推荐、供应链追踪、IT 基础设施依赖分析等。

社区版开源免费,商业版提供集群、安全、运维等企业特性。

1. 准备

  • 系统:Windows 10/11 64 位
  • JDK 21(OpenJDK 或 Oracle 均可)官网下载
安装后查看环境变量是否配置(有些同学已经安装了其他版本的 JDK,再次安装虽然会成功,但是环境变量可能没有配置,会导致后面无法正确安装 Neo4j)
  • 进入系统环境变量配置
  • 系统变量添加 JAVA_HOME,配置 JDK21 的安装地址
  • 系统变量 Path 中添加 JDK21 的 bin 地址
  • 测试  JDK21  是否安装成功。打开 Windows 终端(Win+R → 输入 cmd → 回车),执行:
java -version

如果返回类似:

第一行含 21,即说明 JDK 21 已安装并生效。

2. 下载安装包

Neo4j 官网 → Neo4j Community Edition → 选 Windows
  • Neo4j 首页滑到最下面
  • 下载免费社区版本
  • 选择 windows 系统的版本(这里我装的是最新版)

如果点击安装没有反应,那可能需要用梯子加载。下载成功后会得到一个 zip 压缩包。

3. 一键安装

  • 解压 zip 压缩包
  • 配置 Neo4j 的环境变量,在系统变量的 path 中添加路径
  • 测试 Neo4j 是否安装成功
neo4j --version

4. 启动 Neo4j

neo4j.bat console 是 “前台调试模式”,窗口一关就停库,专门用来看日志、找路径、排错。适合首次安装 Neo4j 验证。
  • cmd 命令启动 Neo4j
neo4j.bat console
  • 启动 Neo4j 后,从浏览器进入 Neo4j 的界面 http://localhost:7474
  • 首次登录账号和密码都填 neo4j,按提示改个新密码即可进入 Neo4j Browser
  • 修改新密码
  • 进入Neo4j Browser

5.安装 Neo4j 的系统服务

  • 在 cmd 中输入
neo4j windows-service install

看到 Neo4j service installed 即安装成功。

存在问题:neo4j.bat console 命令启动的 neo4j ,当你关闭 cmd 页面,neo4j 会一起关闭。

解决:安装系统服务,可以获取管理员权限,让服务一直运行在系统,关闭 cmd 窗口不会关闭 Neo4j 的服务。

服务安装好后,启动Neo4j可以用下面两种方式。

  • 方法一:按 “Win+R” 输入 services.msc 进入系统服务

点击启动

  • 方法二:使用 cmd 命令,输入 net start Neo4j 开启Neo4j 服务
net start Neo4j
命令 net start Neo4j 和 neo4j.bat console 都是启动 Neo4j,但是有一定的区别

启动 Neo4j 服务后,同样是通过浏览器访问上面的链接进入 Neo4j 界面。在 neo4j$ 中即可编辑neo4j 的语言Cypher。

有开启服务的命令,就有关闭服务的命令。

net stop Neo4j

完成了 Neo4j 的安装,下面介绍一个GitHub的简单小项目,展示如何构建结构化并导入 Neo4j。

GitHub 项目:https://github.com/lemonhu/stock-knowledge-graph

解读:(知识图谱-入门项目-ZEEKLOG博客

Read more

龙虾(OpenClaw)搭配本地千问模型(零token成本)实现电脑AI助理

龙虾(OpenClaw)搭配本地千问模型(零token成本)实现电脑AI助理

前言:现在AI助手遍地都是,但要么是云端服务要花token钱,要么是功能单一只能聊天,想找一个“不花钱、能干活、保隐私”的电脑AI助理,简直比登天!直到我发现了一个神仙组合——龙虾AI(OpenClaw)+ 本地千问模型,完美解决所有痛点:零token成本、全程本地运行、能接管电脑干活,无论是办公摸鱼还是高效产出,都能轻松拿捏。 本文是纯新手向原创实操教程,全程手把手,从工具认知、环境准备,到龙虾与本地千问的联动配置,再到实战场景演示,每一步都标清重点、避开坑点,不用懂复杂代码,不用花一分钱,普通人跟着走,10分钟就能拥有专属本地AI电脑助理,从此告别云端token焦虑和隐私泄露风险! 一、先搞懂:为什么是“龙虾+本地千问”?核心优势碾压同类组合 在开始操作前,先跟大家说清楚两个核心工具的作用,以及为什么它们搭配起来是“王炸”——毕竟市面上AI工具那么多,选对组合才能少走弯路,真正实现“零成本、高效率”。 1. 两个核心工具,

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱 本文介绍如何使用 ClawHub 安装和管理 OpenClaw 技能包,并通过实战案例演示多个技能的协同使用。 前言 OpenClaw 是一个强大的 AI 助手框架,而 Skills(技能包)则是扩展其能力的核心方式。通过安装不同的技能包,你可以让 AI 助手具备搜索、总结、开发指导、自我学习等能力。 本文将带你完成: * ClawHub CLI 的安装与使用 * 多个实用技能包的安装 * Self-Improving 记忆系统的初始化 * 一个综合实战案例演示 一、ClawHub:技能包管理器 1.1 什么是 ClawHub ClawHub 是 OpenClaw 的官方技能包市场,提供了丰富的技能包供用户安装使用。 安装 ClawHub

人工智能:大模型高效推理与部署技术实战

人工智能:大模型高效推理与部署技术实战

人工智能:大模型高效推理与部署技术实战 1.1 本章学习目标与重点 💡 学习目标:掌握大语言模型推理与部署的核心技术,理解模型量化、推理加速、服务化部署的原理,能够完成开源大模型的高性能生产级部署。 💡 学习重点:精通INT4/INT8量化技术的应用,掌握vLLM等高性能推理框架的使用方法,学会搭建高并发的大模型API服务。 1.2 大模型推理部署的核心挑战 1.2.1 大模型推理的痛点分析 💡 预训练大模型通常具备数十亿甚至上百亿的参数量,直接进行推理会面临显存占用高、推理速度慢、并发能力弱三大核心问题。 * 显存占用高:以LLaMA-2-7B模型为例,FP16精度下显存占用约14GB,单张消费级显卡难以承载;而70B模型FP16精度显存占用更是超过140GB,普通硬件完全无法运行。 * 推理速度慢:自回归生成的特性导致模型需要逐token计算,单条长文本生成可能需要数十秒,无法满足实时应用需求。 * 并发能力弱:传统推理方式下,单卡同时处理的请求数极少,高并发场景下会出现严重的排队和延迟问题。 这些问题直接制约了大模型从实验室走向实际生产环境,因此高效

AI入门系列:零基础学AI——从入门到实践完全指南

AI入门系列:零基础学AI——从入门到实践完全指南

目录 * 为什么现在是学习AI的最佳时机? * AI到底是什么?一个程序员的视角 * AI的三次浪潮:历史给我们的启示 * 第一次浪潮:规则驱动的AI(1950s-1980s) * 第二次浪潮:统计机器学习(1980s-2010s) * 第三次浪潮:深度学习革命(2010s-至今) * 机器学习的三大范式:选择适合你的学习路径 * 监督学习:有答案的学习 * 无监督学习:发现隐藏的模式 * 强化学习:通过试错来学习 * 深度学习:当代AI的核心技术 * 神经网络:模仿大脑的结构 * 卷积神经网络:图像识别的专家 * 循环神经网络:处理序列数据 * AI应用领域:改变世界的力量 * 医疗健康:AI医生的崛起 * 自动驾驶:重新定义出行 * 金融科技:智能理财的新时代 * 智能客服:24小时在线的助手 * AI开发工具:从零开始构建你的AI项目 * Python:AI开发的首选语言 * TensorFlow和PyTorch:深度学习框架 * Jupyter Notebook:交互