Graph Engineering 入门介绍
边学边练请访问 7 天学会 Graph Engineering 子站，涵盖图论课表、图数据库实验、知识图谱与 GraphRAG 实战路径。
什么是 Graph Engineering？
Graph Engineering（图工程） 是一套把「关系」当作一等公民的系统工程方法论。它研究如何把实体、关系、路径、约束与演化过程，设计成可建模、可存储、可查询、可推理、可观测的图系统。图论给出数学语言，图数据库给出持久化与遍历能力，知识图谱给出语义与本体，GraphRAG 与图神经网络（GNN）则把图结构接到大模型与表示学习流水线。
与只存文档或向量的系统相比，图工程强调：边不是附属元数据，而是一等查询对象。业务问题往往是「谁通过什么路径影响了谁」「某个概念如何被多跳证据支撑」「社区与中心性如何指导推荐与风控」。若强行压成宽表或纯向量相似度，路径语义会丢失，调试也会变成黑盒。
图工程不是某一个产品的运维手册，也不是「把 Neo4j 装上就算完成」。它是可迁移到电商推荐、反欺诈、知识问答、运维拓扑、药物发现与 Agent 记忆的通用语言：同一套「节点—边—模式—算法—评 测」心智模型，可以映射到不同存储与计算引擎。
核心理念：六条公理
- 关系优先：先问清边的类型、方向、基数与生命周期，再谈属性字段。把「关注」建成无向边还是两条有向边，会彻底改变推荐与风控查询的写法。
- 模式驱动查询：点查、邻域、路径、子图、聚合各有最优存储与索引形态。没有万能索引，只有与查询形状对齐的索引。
- 超级节点可治理：度分布长尾是常态。必须有限流、分片、预聚合、冷热分层，否则一次「查邻居」就能拖垮集群。
- 语义可追溯：知识图谱边应带来源、时间、置信度，支持审计与回滚。否则 GraphRAG 只是换了一种幻觉生成器。
- 检索可组合：GraphRAG 中图遍历与向量召回是互补，不是互斥。图负责精确约束与多跳证据，向量负责语义模糊匹配。
- 表示可学习：GNN/嵌入把拓扑压成向量，但仍需可解释的图层作为约束与评测锚点。
历史由来：从图论到知识图谱与 GraphRAG
图论可追溯到欧拉 1736 年的柯尼斯堡七桥问题：把陆地看成点、桥看成边，证明不存在一笔画遍历。20 世纪网络科学把小世界、无标度网络带入复杂系统研究，让「度分布」「聚类系数」「最短路径」成为跨学科通用量。
数据库领域形成两条主流：
| 路线 | 核心模型 | 查询语言 | 典型产品 | 强项 |
|---|---|---|---|---|
| 属性图 | 标签节点 + 类型边 + 键值属性 | Cypher / Gremlin / GQL | Neo4j、TigerGraph、JanusGraph | 应用开发直觉、OLTP 遍历 |
| RDF | 主—谓—宾三元组 | SPARQL | GraphDB、Virtuoso、Stardog | 本体推理、语义互操作 |
Google Knowledge Graph、WikiData、Freebase 等推动了大规模实体链接与开放域知识。近年 RAG 兴起后，GraphRAG 尝试用社区摘要、多跳证据与实体关系约束弥补纯向量检索的「语义断裂」。与此同时，GCN、GraphSAGE、GAT、异构图网络把深度学习扩展到非欧数据，让「拓扑」成为可训练的归纳偏置。
架构概览：图工程分层
典型分层包括：
- 概念层：本体/Schema（节点标签、边类型、约束、枚举）。
- 采集层：ETL、CDC、文档抽取（NER/RE）、人工众包。
- 存储层：属性图库 / RDF 库 / 混合（图 + 向量 + 文档）。
- 查询层：Cypher、Gremlin、SPARQL、专用路径 API。
- 推理层：规则、路径排序、GNN、LLM 工具调用。
- 应用层：搜索、推荐、风控、运维拓扑、Agent 记忆。
- 观测层：质量指标、漂移检测、查询剖析、血缘。
每一层都有独立的失败模式：采集层脏实体会导致下游「假边」；存储层超级节点会放大查询延迟；推理层若缺少置信度，应用层会把猜测当事实。图工程师的工作，是让这七层的契约与 SLO 对齐。
图思维：从 JOIN 爆炸到模式匹配
关系型数据库用外键与 JOIN 表达关系。两跳尚可，六跳社交路径几乎必遇性能悬崖。图思维把关系写成可直接遍历的边：
// 电商：用户买过 A，还买过什么？（2 跳共现）
MATCH (u:User {id: 42})-[:PURCHASED]->(p1:Product)
MATCH (u)-[:PURCHASED]->(p2:Product)
WHERE p2 <> p1
RETURN DISTINCT p2.name LIMIT 20;
同一问题在 SQL 中通常需要多层 JOIN 或递归 CTE，查询形状与业务形状脱节。图工程的第一堂课，是学会用「模式」描述问题，而不是用「表连接」描述问题。
| 查询形状 | SQL 常见写法 | 图原生写法 | 工程注意点 |
|---|---|---|---|
| 点查 | PRIMARY KEY | 节点属性索引 | 唯一约束 |
| 一跳邻域 | 单表 JOIN | 出/入边扩展 | 超级节点限流 |
| 多跳路径 | 递归 CTE | *1..k / shortestPath | 深度上限 |
| 社区/中心性 | 难表达 | GDS / NetworkX | 投影子图 |
与相近技术的边界
| 技术 | 擅长 | 不擅长 | 与图工程关系 |
|---|---|---|---|
| 关系型 DB | 事务、强一致表连接 | 深路径遍历 | 源系统与权威属性仓 |
| 文档库 | 半结构化内容 | 多跳关系 | 证据原文仓 |
| 向量库 | 语义相似 | 精确路径/约束 | GraphRAG 召回侧翼 |
| 规则引擎 | 可解释策略 | 大规模拓扑学习 | 与图查询互补 |
| 纯 LLM | 生成与总结 | 事实锚定 | 需图/检索约束幻觉 |
决策口诀：需要精确多跳、可解释路径、类型约束 → 优先图；需要模糊语义相似 → 加向量；需要强事务财务事实 → 保留关系库作权威源。
属性图与 RDF：如何选型
属性图把「标签 + 属性」挂在节点与边上，开发者直觉接近面向对象。RDF 把一切压成三元组，适合跨组织互操作与 OWL 推理。实践中常见混合：
- 对内 OLTP 应用：属性图（Cypher/GQL），迭代快。
- 对外发布与推理：RDF/OWL，标准成熟。
- 双写或物化视图：用 ETL 同步关键子图，避免一套模型硬扛所有场景。
选型时问三个问题：查询是路径多还是推理多？团队更熟 SQL/OO 还是语义网？是否必须与外部本体对齐？答案会直接决定存储与查询语言。
知识图谱：语义层的工程含义
知识图谱（Knowledge Graph）不是「画好看的关系图」，而是：有本体约束的、可融合多源事实的、可推理补全的语义网络。工程流水线通常是：
- 定义 TBox（类、属性、约束）。
- 从结构化/半结构化/非结构化源抽取 ABox（实例与事实）。
- 实体解析与融合（同一「苹果公司」的多源对齐）。
- 质量门禁（冲突检测、完整性、新鲜度）。
- 服务化查询与推理（SPARQL/Cypher API、规则、嵌入补全）。
没有来源与置信度的边，不能进生产图。这是图工程与「演示大屏」的分水岭。
GraphRAG：用图约束生成
纯向量 RAG 容易出现：检索到语义相近但事实无关的片段；无法回答「A 通过什么关系影响 B」；多跳证据断裂。GraphRAG 族方案的共性是：
- 实体链接：问句中的提及映射到图中节点。
- 子图扩展：按边类型与跳数取证据邻域。
- 社区/摘要（微软 GraphRAG 等）：对大图做社区发现，预计算摘要以支持全局问题。
- 证据打包：路径、三元组、原文片段一并交给 LLM。
- 评测：忠实度、引用覆盖、路径正确率，而不仅是「看起来流畅」。
GNN：拓扑作为归纳偏置
图神经网络通过消息传递聚合邻居信息：每个节点根据邻域更新表示。GCN、GAT、GraphSAGE、GIN 是不同的聚合器设计。工程上要先分清任务：
| 任务 | 输入 | 输出 | 典型场景 |
|---|---|---|---|
| 节点分类 | 图 + 部分标签 | 节点类别 | 论文主题、账户风险 |
| 链接预测 | 图（隐藏部分边） | 边存在概率 | 推荐、KG 补全 |
| 图分类 | 多个小图 | 图级标签 | 分子毒性、代码图 |
| 图生成 | 噪声/条件 | 新图结构 | 分子设计 |
GNN 不是替代图数据库 ，而是在「已有拓扑」上学习表示。生产中常见模式：图库负责存储与精确查询，训练管道周期性导出子图或特征，在线服务用嵌入做召回，再用图查询做重排与解释。
学习路径建议
- 掌握节点、边、方向、多重边、属性、标签。
- 用手算与小图理解 BFS/DFS、最短路径、中心性、连通分量。
- 选一个属性图库跑通 CRUD 与两跳查询。
- 建立迷你知识图谱（人物—组织—事件）并做实体对齐。
- 把图谱接入 RAG：实体链接 → 子图扩展 → 证据打包 → 生成。
- 了解 GNN 消息传递直觉，用 Cora 等小数据集跑通节点分类。
- 学习生产议题：批量导入、备份、权限、多租户、超级节点。
本站文档地图
- 快速开始：环境、首个图、基础查询与算法直觉
- 开发指南：建模、导入、GraphRAG、GNN 接口
- GitHub 项目：开源生态导读
- 最佳实践：质量、性能、安全
- FAQ：概念辨析与排错
- 从零到一：7 天成长路径
工程权衡清单（入门即要建立的判断力）
写清业务问题陈述：节点与边分别代表什么，期望查询是点查、邻域、最短路径、社区还是路径推理。用小样本（约 1 万节点、5 万边）验证索引与内存，再按 10× 扩容看延迟曲线。对 GraphRAG，分别给「图查询」与「向量召回」设延迟预算。调试时保留：查询计划、度分布、超级节点限流、边类型过滤命中率、回退到关键词检索的开关。把「为何选图而不是表/文档库」写成 ADR。安全上：导出子图脱敏、查询参数化、多租户标签隔离。观测上：度分布直方图、P95/P99、缓存命中率、批导入吞吐。迭代节奏：两周一个垂直切片（建模→导入→查询→评测→可视化）。与 LLM 结合时，图是约束与证据层，生成边必须带置信度与复核入口。
小结
Graph Engineering 教你看见关系、设计模式、治理规模、组合检索与学习表示。接下来请从 快速开始 动手建第一张图；若希望按 7 天节奏边学边练，请打开子站课表与算法沙盒。