快速开始：建立图工程心智模型

延伸阅读

概念全景见 入门介绍；深入建模与 GraphRAG 见 开发指南。

本章目标

读完并动手完成后，你应能：

1. 用 NetworkX 或 Neo4j 创建带标签与属性的小图。
2. 写出两跳模式匹配查询，并解释与 SQL JOIN 的差异。
3. 运行 BFS/最短路径与简单中心性，读懂结果含义。
4. 判断一个业务问题是否「值得上图」。

本篇聚焦知识与动手直觉，不涉及把 graph-engineering.chenxiaoshivivid.top 部署到生产环境。

0. 你需要什么环境

推荐两条并行路径（可任选其一先走通）：

路径	适合	安装要点
Python + NetworkX	算法直觉、教学原型	pip install networkx matplotlib
Neo4j + Cypher	持久化图、工业查询语法	Neo4j Desktop 或 Docker 社区版

可选增强：py2neo / 官方 Python Driver、rdflib（RDF 入门）、torch-geometric（稍后再装）。

# 最小 Python 环境示例（使用虚拟环境）
python3 -m venv .venv
source .venv/bin/activate
pip install networkx matplotlib pandas

1. 十分钟：用 NetworkX 看见第一张图

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_node("Alice", label="Person", city="Shanghai")
G.add_node("Bob", label="Person", city="Beijing")
G.add_node("Acme", label="Company", industry="AI")
G.add_edge("Alice", "Acme", type="WORKS_AT", since=2022)
G.add_edge("Bob", "Acme", type="WORKS_AT", since=2021)
G.add_edge("Alice", "Bob", type="KNOWS", weight=0.8)

print("节点数", G.number_of_nodes(), "边数", G.number_of_edges())
print("Alice 出边", list(G.out_edges("Alice", data=True)))
print("到 Acme 的最短路径", nx.shortest_path(G, "Alice", "Acme"))

观察三点：

• 节点携带业务类型（Person/Company）与属性。
• 边有类型与属性（since、weight），关系是一等对象。
• 有向图决定「Alice→Bob」与「Bob→Alice」是否同一关系。

练习：把「关注」建成双向两条边，再建成一条无向边，分别打印邻居集合，体会建模差异。

2. 十分钟：用 Cypher 表达同一模型

在 Neo4j Browser 中：

CREATE (a:Person {name:'Alice', city:'Shanghai'})
CREATE (b:Person {name:'Bob', city:'Beijing'})
CREATE (c:Company {name:'Acme', industry:'AI'})
CREATE (a)-[:WORKS_AT {since:2022}]->(c)
CREATE (b)-[:WORKS_AT {since:2021}]->(c)
CREATE (a)-[:KNOWS {weight:0.8}]->(b)
RETURN a, b, c;

查询「和 Alice 在同一公司的人」：

MATCH (a:Person {name:'Alice'})-[:WORKS_AT]->(c:Company)<-[:WORKS_AT]-(colleague:Person)
WHERE colleague <> a
RETURN colleague.name, c.name;

这是典型的模式匹配：你画出路径形状，引擎负责遍历。对比 SQL：你需要 employees、companies 两表 JOIN，并自己保证「同一公司」条件不写错。

3. SQL vs Cypher：同一业务问题

电商「买了 A 的用户还买了什么」：

-- SQL：多层 JOIN，深度增加时复杂度陡增
SELECT DISTINCT p2.name
FROM orders o1
JOIN order_items oi1 ON oi1.order_id = o1.id
JOIN order_items oi2 ON oi2.order_id IN (
  SELECT o2.id FROM orders o2 WHERE o2.user_id = o1.user_id
)
JOIN products p2 ON p2.id = oi2.product_id
WHERE o1.user_id = 42 AND oi2.product_id <> oi1.product_id;

// Cypher：路径即模式
MATCH (u:User {id: 42})-[:PURCHASED]->(p1:Product)
MATCH (u)-[:PURCHASED]->(p2:Product)
WHERE p2 <> p1
RETURN DISTINCT p2.name;

心智转换清单：

1. 先画 3–7 个节点的业务草图，再写查询。
2. 边类型名用动词或动宾（PURCHASED、BELONGS_TO），避免含糊的 RELATED。
3. 深度可变时用 *1..3，并设上限，防止意外全图扫描。

4. 图论最小武器库（动手版）

4.1 遍历：BFS 与 DFS

from collections import deque

def bfs(graph, start):
    seen, q = {start}, deque([start])
    order = []
    while q:
        u = q.popleft()
        order.append(u)
        for v in graph.successors(u):
            if v not in seen:
                seen.add(v)
                q.append(v)
    return order

BFS 给最短无权路径；DFS 适合拓扑排序与连通分量探索。图数据库内部的路径扩展，本质上是受索引与方向约束的受限 BFS/DFS。

4.2 最短路径

path = nx.shortest_path(G, "Alice", "Bob")  # 无权
# 有权：nx.dijkstra_path(G, s, t, weight="weight")

社交「六度」查询在 Cypher 中：

MATCH (a:Person {name:'Alice'}), (b:Person {name:'Bob'})
MATCH p = shortestPath((a)-[:KNOWS*..6]-(b))
RETURN [n IN nodes(p) | n.name] AS route, length(p) AS hops;

务必限制 *..6：无上限的变长路径是生产事故高发区。

4.3 中心性直觉

指标	直观含义	何时用
度中心性	直接邻居多少	快速找枢纽
PageRank	被重要节点指向	权威排序、推荐种子
Betweenness	有多少最短路径经过我	桥接节点、风控切入点
Closeness	到他人平均距离	信息传播效率

print(nx.pagerank(G))
print(nx.degree_centrality(G))

先在 20 节点小图上肉眼验证「算法说的枢纽」是否符合业务直觉，再上万级图。

5. 第一个迷你知识图谱

场景：人物—任职—公司—位于—城市。

MERGE (alice:Person {name:'Alice'})
MERGE (acme:Company {name:'Acme'})
MERGE (sh:City {name:'Shanghai'})
MERGE (alice)-[:WORKS_AT {title:'Engineer'}]->(acme)
MERGE (acme)-[:LOCATED_IN]->(sh);

扩展问题：

1. 「在上海工作的工程师有哪些？」——路径 Person-WORKS_AT->Company-LOCATED_IN->City。
2. 若同一公司有多个办公城市，LOCATED_IN 应挂在公司还是「办公地」事件节点？这是实体中心 vs 事件中心建模分歧。

建议：关系简单且稳定 → 实体中心；关系带时间、地点、角色且频繁变化 → 引入事件/事实节点。

6. 导入第一批 CSV（概念步骤）

1. 准备 nodes_person.csv、nodes_company.csv、edges_works_at.csv。
2. 小数据用 LOAD CSV；百万级以上用批量导入工具（绕过逐条事务）。
3. 导入后立刻跑：节点计数、边计数、度分布抽样、一条业务查询。

// 度分布抽样：找出超级节点苗头
MATCH (n)
RETURN labels(n)[0] AS label, n.name AS name, COUNT { (n)--() } AS degree
ORDER BY degree DESC LIMIT 20;

若 Top1 度远高于中位数，立刻记录，后续要做限流或边分片。

7. 查询优化入门：PROFILE

PROFILE
MATCH (a:Person {name:'Alice'})-[:KNOWS*1..3]-(b:Person)
RETURN DISTINCT b.name;

看执行计划是否：属性查找走索引、扩展方向合理、是否出现巨大中间结果。常见改进：

• 为高频查找属性建索引：CREATE INDEX FOR (p:Person) ON (p.name);
• 尽量带标签与边类型，避免全图 (n)--(m)。
• 参数化查询，禁止字符串拼接用户输入。

8. GraphRAG 最小闭环（本地思维实验）

不必先上完整平台，先用纸笔走通：

1. 问题：「Alice 所在公司在哪座城市？」
2. 实体链接：Alice → Person 节点。
3. 子图扩展：WORKS_AT、LOCATED_IN 两跳。
4. 证据：「Alice-WORKS_AT->Acme-LOCATED_IN->Shanghai」。
5. 生成：回答并引用路径。

对比纯向量：若语料里只有「Acme 很强」而没有城市事实，向量可能胡答；图路径则要么找到，要么明确「图中无此边」。

9. 七天课表如何对接本章

天数	主题	本章可预热的动作
Day1	建模范式	完成人物—公司图
Day2	查询语言	Cypher 两跳 + PROFILE
Day3	图算法	PageRank / 最短路径
Day4	图库架构	度分布与超级节点观察
Day5	知识图谱	MERGE + 属性约束
Day6	GNN/GraphRAG	证据路径打包思维实验
Day7	生产与前沿	导入校验与观测指标

子站 7 天学会 Graph Engineering 提供课表、算法沙盒与 SQL/Cypher 对比，建议与文档交叉阅读。

10. 验收清单（请自测）

• 能口述节点、边、标签、属性、方向的区别。
• 能写出至少一条 2 跳 Cypher，并解释结果。
• 能对小图运行 BFS 与 PageRank，并解释 Top 节点。
• 能指出一个「不该上图」的场景（例如纯报表聚合、无关系遍历）。
• 能列出导入后必查的 4 个健康指标：点数、边数、度 Top、一条黄金查询。

11. 常见新手坑

1. 把所有字段都做成节点：颜色、状态枚举优先做属性，除非要围绕它们做关系分析。
2. 无类型的 RELATED 边：后期无法过滤与索引，查询会变成全图泥潭。
3. 忽略方向：FOLLOWS 画反会导致推荐与风控逻辑全部反转。
4. 变长路径无上限：开发环境「碰巧很快」，生产直接超时。
5. 只用可视化大屏验收：大屏好看不等于查询正确、证据可追溯。

12. 下一步

• 建模与 GraphRAG/GNN 工程细节 → 开发指南
• 开源项目怎么读 → GitHub 项目
• 质量与性能准则 → 最佳实践

用一周时间每天做一个「垂直切片」：选一个真实小问题（通讯录、阅读书目、课程依赖），建图、查询、画路径、写三句结论。图工程的肌肉记忆，来自反复的「问题→模式→验证」，而不是只看术语表。

13. 小练习：社交媒体图（60 分钟）

设计并实现：

• 节点：User、Post、Tag
• 边：FOLLOWS、POSTED、LIKED、TAGGED_WITH

要求：

1. 至少 10 用户、30 帖子、15 标签。
2. 查询「我关注的人点赞过的帖子」三跳路径。
3. 用度中心性找出「被关注最多」与「发帖最多」是否同一批人。
4. 写 200 字笔记：哪些边该有时间戳属性？哪些查询会撞上超级网红节点？

MATCH (me:User {name:$me})-[:FOLLOWS]->(f)-[:LIKED]->(p:Post)
RETURN p.id, p.text, count(*) AS likesFromFollowing
ORDER BY likesFromFollowing DESC LIMIT 10;

若 FOLLOWS 出边巨大，先限制 f 数量或按最近活跃过滤——这就是生产级「超级节点治理」的雏形。

14. 从快速开始到工程判断

快速开始的终点不是「会跑通示例」，而是建立判断力：何时用属性、何时用节点；何时用图算法、何时用简单计数；何时上 GraphRAG、何时纯 Cypher 已够用。带着这些问题进入开发指南，你会读得更快、踩坑更少。