知识图谱：Neo4j 与 Cypher

要用 GraphRAG，先得有图数据库；要用 Neo4j，先得会 Cypher。本目录把「查询语言」和「部署实战」拆成两份互补文档，配合 ../synergized_llms_kgs/demo 中的真实数据集（银行反欺诈），让读者一条线从语法学到图上线。

1. 阅读顺序

先学查询语言，再动手部署——两份文档共用同一份 anti-fraud 数据集，能无缝衔接。

1.1 查询语言：Cypher

• Neo4j Cypher 查询语言权威指南 — 基于 Neo4j 官方文档重组的从入门到进阶教程，围绕银行反欺诈场景（Customer / Account / Device / Transaction）讲解节点、关系、属性、标签四大构件，覆盖 MATCH / WHERE / RETURN 基础查询、聚合与排序、最短路径（shortestPath）、变长关系（-[*1..3]->）、MERGE 幂等写入等实战技巧。

1.2 实战部署：Docker + Neo4j Browser

• Neo4j 快速上手实战指南 — 配合 neo4j_cypher_tutorial.md 的动手篇：
  • 用 docker-compose up -d 拉起 Neo4j 容器（复用项目内置配置）。
  • 通过 http://localhost:7474 登录 Neo4j Browser。
  • 导入银行反欺诈样本数据（客户、账户、设备、转账链）。
  • 在 WebUI 中交互式执行 Cypher，观察图谱可视化结果。

2. 与其他目录的关系

• 上游场景见 ../graph_rag/：GraphRAG / KAG 为什么需要图数据库。
• 配套数据与容器见 ../synergized_llms_kgs/demo/：现成的 docker-compose.yml 与反欺诈样本数据。

3. 相关资源

• RAG 基础 — 图检索 vs 向量检索的场景分工。
• 智能体系统（Agentic System） — 当 Agent 需要在图上做规划时的协同模式。