neo4j-graphrag-python

把知识图谱变成 RAG 引擎,让 AI 回答更懂关系

neo4j-graphrag-python 是 Neo4j 官方推出的 Python 库,用于将知识图谱与检索增强生成(RAG)结合。它解决了传统向量检索缺乏结构化语义关系的问题,通过把文档拆分为文本块并映射到知识图谱实体,实现基于图结构的上下文检索。核心能力包括:从文本自动提取实体和关系构建图模型、支持向量与图混合检索、提供 GraphRAG 和 VectorRAG 两种检索器、集成 Neo4j 数据库与常用 LLM 框架。开发者可以用它快速搭建具备可解释性和多跳推理能力的问答系统,尤其适合需要处理复杂关联信息的场景。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1293
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队neo4j
所属国家
定价模式free
价格说明开源项目,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型ai,cypher,genai,graph-database,graphrag,neo4j,python,python3,rag
GitHub 星标★ 1293
30天Star增速
HF 下载量
上线时间2024-02-27 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 6 步

环境要求

  • Python 3 环境(README 未指定具体版本)
  • 可访问的 Neo4j 实例(本地或远程)
  • 需要 OpenAI 相关功能时准备 OPENAI_API_KEY
  • 如需参与开发,需安装 uv 依赖管理工具

安装与启动步骤

  1. 1安装核心库

    使用 pip 安装 Neo4j 官方 GraphRAG 包的最新稳定版,这是使用本项目的必要前提。

    pip install neo4j-graphrag
  2. 2安装OpenAI集成

    README 明确提示:运行示例代码需要安装 openai 依赖,通过方括号 extra 方式安装。

    pip install "neo4j_graphrag[openai]"
  3. 3导出OpenAI密钥

    示例需要把 OpenAI 密钥导出为名为 OPENAI_API_KEY 的环境变量,供程序读取。

    export OPENAI_API_KEY=sk-xxxxxxxx
  4. 4填写Neo4j连接信息

    在脚本中修改 NEO4J_URI、NEO4J_USERNAME、NEO4J_PASSWORD 三个变量为你自己 Neo4j 实例的连接信息。

  5. 5运行示例脚本

    确保 Neo4j 实例已启动后运行示例,把一段文本交给 kg_builder 构建知识图谱,最后关闭 driver。

    python your_script.py
  6. 6开发模式安装

    若要参与项目开发,先克隆仓库,再用 uv 安装包含开发依赖在内的全部依赖。

    git clone https://github.com/neo4j/neo4j-graphrag-python.git
    cd neo4j-graphrag-python
    uv sync --group dev

关键配置

配置项必填说明示例
NEO4J_URI是Neo4j 实例的连接地址neo4j://localhost:7687
NEO4J_USERNAME是Neo4j 数据库用户名neo4j
NEO4J_PASSWORD是Neo4j 数据库密码password
OPENAI_API_KEY是OpenAI 密钥,供示例调用大模型使用sk-xxxxxxxx

如何确认成功

示例脚本运行无报错,且能在 Neo4j 中查询到由输入文本抽取出的实体与关系图谱。

常见问题

Q:只装 neo4j-graphrag 为什么示例跑不起来?

A:示例依赖 OpenAI 集成,README 提示需额外安装:pip install "neo4j_graphrag[openai]"。

Q:连接 Neo4j 失败怎么办?

A:检查脚本中的 NEO4J_URI、NEO4J_USERNAME、NEO4J_PASSWORD 是否已改成你自己实例的真实信息,并确认实例已启动。

Q:密钥怎么配置?

A:README 要求把 OpenAI 密钥导出为环境变量 OPENAI_API_KEY,而不是写死在代码里。

Q:开发时怎么安装依赖?

A:项目用 uv 管理依赖,克隆仓库后执行 uv sync --group dev 安装含开发依赖的全部依赖。

注意事项

  • README 未给出 Python 最低版本要求,请自行确认环境兼容性。
  • 示例为异步调用(asyncio.run),需在脚本中以 asyncio 方式运行。
  • 更多用法可参考官方文档和仓库 examples 目录中的示例。

核心亮点

  • 官方维护,与 Neo4j 深度集成,API 设计稳定
  • 支持图检索与向量检索混合,提升多跳问答准确率
  • 提供从文本到图谱的自动构建流程,降低上手门槛

不足之处

  • 依赖 Neo4j 数据库,部署环境较重
  • 文档/社区待观察

适用场景

  • 企业知识库问答,需要关联多文档信息
  • 金融风控或医疗诊断中的关系推理
  • 智能客服系统,需理解用户意图的上下文关联

替代项目

LangChain、LlamaIndex、Haystack

项目介绍

neo4j-graphrag-python 是基础设施领域的开源项目,由 neo4j 开发,2024 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,293)位列前 30%,在基础设施分类中处于中上游。

近 42 天,它的 GitHub 星标从 1,252 增加到 1,293,净增 41。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-23。完全免费,可自行部署使用。

它主要面向的使用场景是:企业知识库问答,需要关联多文档信息。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。

上一篇:EmbedAnything

下一篇:chromem-go

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09