Neo4j
PulseAugur coverage of Neo4j — every cluster mentioning Neo4j across labs, papers, and developer communities, ranked by signal.
- 2026-06-09 partnership Neo4j acquires GraphAware to enhance its government and enterprise data solutions. 来源
10 天有情绪数据
-
代码知识图谱：企业规模的需求远不止语法树
本文评估了用于企业用途的开源代码知识图谱栈，认为简单的语法树对于大型、复杂的代码库来说是不够的。文章介绍了五个关键的评估维度：分析深度（超越语法到语义和行为）、各种构件类型的覆盖范围、跨语言遍历的多语言规模、通过增量更新保持数据新鲜度，以及通过AI原生接口进行查询的能力。分析批评了Joern和CodeQL等工具，指出它们在安全分析方面的优势，但对于更广泛的企业代码智能而言存在局限性。
-
使用 Docker 在本地运行 Neo4j MCP 服务器：30 分钟指南
本指南提供了使用 Docker 在本地运行 Neo4j 官方 MCP 服务器的说明，无需 GitHub Codespaces。设置涉及三个组件：类似 VS Code 的客户端、充当桥梁的 neo4j-mcp 服务器以及 Neo4j 数据库本身。该过程需要 Docker Desktop 和支持 MCP 的 VS Code，通过创建一个 docker-compose.yml 文件来协调 Neo4j 数据库和 MCP 服务器，大约 30 分钟即可完成。
-
新的知识图谱将软件漏洞与攻击行为关联
研究人员开发了一个新的知识图谱 CVE-TTP KG，旨在将软件漏洞与攻击者的策略和技术联系起来。该系统通过连接来自 CVE 和 NVD 等漏洞数据库的信息与 MITRE ATT&CK 框架的行为模式，来改进威胁解读。采用了包括 CySecBERT 在内的基于 Transformer 的模型进行行为识别，在技术和策略方面均取得了较高的 F1 分数。由此产生的 Cyber Threat Knowledge Graph 构建在 Neo4j…
-
新方法增强了用于AI问答的知识图谱检索
研究人员开发了一种新的查询感知传播激活方法，用于知识图谱上的多跳检索，旨在改进检索增强生成系统。该方法通过使用语义门来增强遍历，该语义门根据候选实体描述与问题的相似度来对其进行加权。从种子映射到上下文组装的整个检索过程，在Neo4j数据库内作为单个Cypher查询执行，防止图谱离开其原生环境。该方法在MuSiQue等基准测试中表现出具有竞争力的性能，与现有的先进系统相当，同时显著降低了检索延迟。
-
知识图谱将LLM多跳准确率提升至80%
一位开发者演示了如何将业务数据转化为知识图谱，显著提高了LLM处理复杂、多跳问题的准确性。通过使用Neo4j来表示实体和关系，LLM在需要连接多个事实的问题上的准确率从0%跃升至80%。这种方法将LLM与特定的业务现实联系起来，通过直接查询图谱而不是依赖模型的通用知识，确保了准确、可解释且高效的答案。
-
YouTube发布Neo4j安装教程
一个关于在Docker容器内安装Neo4j的教程已在YouTube上发布。创作者指出，Neo4j是人工智能领域广泛使用的工具，并且配套的图片是使用AI生成的。
-
AI框架整合患者数据与FDA报告以保障药物安全
研究人员开发了一种新颖的多代理AI框架，该框架将来自Reddit和WebMD等平台的患者生成数据与FDA的抗抑郁药不良事件官方报告相结合。该系统使用知识图谱来维护出处，区分经过验证的监管事实和轶事性的患者经历。该框架在识别药物和疾病方面取得了高准确率，表明患者生成的数据可以作为独立的安全性信号，有时比官方报告出现得更早。
-
为AI应用发布Neo4j安装教程
已发布一个YouTube教程，演示了在Docker环境中安装Neo4j。Neo4j因其在人工智能领域的广泛受欢迎和应用而闻名。
-
用户寻求关于构建带有文档高亮功能的本地 RAG 系统的建议
一位用户正在寻求关于构建一个本地、离线的检索增强生成（RAG）系统来处理文档的指导。该系统旨在处理各种文件类型，自动摄取文档，并执行结构化和比较查询。主要挑战包括选择合适的向量数据库（如 Qdrant 或 pgvector），确定在本地运行 GraphRAG 系统（如 Neo4j 或 Microsoft GraphRAG）的可行性，以及实现一个能够高亮特定文本片段并提供引用的用户界面，类似于抄袭检测工具。
-
I-GUIDE平台通过多模态RAG增强地理空间知识发现
一篇新研究论文详细介绍了I-GUIDE智能搜索系统，这是一个专为地理空间知识发现设计的多模态检索增强生成（RAG）平台。该系统集成了关键词、向量和空间索引与知识图谱，以实现语义检索、溯源遍历和对话式合成。评估表明，与基线方法相比，I-GUIDE智能搜索在回答质量和证据覆盖率方面有所提高，尤其是在处理具体和空间受限的查询时。
-
本地LLM平台在成本和效率上输给了OpenAI API的批量处理
一位独立AI开发者发现，虽然配备Gemma 4 26B模型的本地LLM平台适合实时服务和特定任务，但与OpenAI的Batch API相比，它在批量处理方面并不划算或高效。本地设置遇到了性能问题和兼容性问题，而OpenAI的Batch API在处理数千份文档时提供了显著的成本降低和更好的吞吐量，尽管存在跨文档注意力限制，需要一种变通方法。
-
开源 NotebookLM 替代品在成本和本地运行方面存在分歧
两个开源项目 lfnovo/open-notebook 和 run-llama/notebookllama 旨在复制 Google 的 NotebookLM 功能，但在“开源”和本地运行方面的方法存在显著差异。虽然 notebookllama 需要多个付费 API 密钥，并依赖云服务器进行核心处理，但 open-notebook 提供了一个完全独立的 Docker 解决方案，如果使用本地 AI 模型，可以在用户机器上完全零成本运行。目…
-
Claude AI 通过基于Neo4j的记忆技能得到增强
本文详细介绍了如何为Anthropic的Claude AI模型设置和优化一个记忆技能，利用Neo4j作为底层数据库。它指导用户完成配置过程，旨在增强Claude有效回忆和利用信息的能力。该帖子为希望在其AI应用程序中集成自定义记忆功能的开发者提供了一个实用的教程。
-
Neo4j 收购 GraphAware，挑战 Palantir 在政府数据领域的地位
图数据库公司 Neo4j 正在收购 GraphAware，以增强其为政府和企业客户提供的服务。此举旨在提供本地部署、隔离网络（air-gapped）的情报堆栈，将 Neo4j 定位为 Palantir 解决方案的替代品。此次收购预计将增强 Neo4j 处理敏感数据和复杂分析需求的能力。
-
开发者使用Neo4j为AI助手添加记忆
一位开发者使用Neo4j为他们的AI助手实现了一个两层记忆系统。该解决方案旨在防止AI在会话之间忘记用户上下文。据报道，整个过程仅用时五分钟。
-
AI系统提升中医诊断的透明度
研究人员开发了一个用于中医的AI系统，以提高诊断的透明度和治疗方案的可解释性。该系统利用一个包含超过2400个症状和关系的Neo4j知识图谱，并结合了一个四阶段的症状匹配流程。它采用信息增益驱动的提问策略，并通过AI生成的插图和3D模型等多模态元素呈现治疗方案，旨在建立对AI辅助诊断的信任和信誉。
-
Neo4j 发布 Palantir 数据平台的开源替代方案
Neo4j 宣布推出 Palantir 数据分析平台的开源替代方案，旨在提供更大的数据透明度和控制权。作为一家知名的图数据库公司，Neo4j 此举旨在解决对 Palantir 等解决方案专有性质的担忧，这些解决方案常因其“黑箱”方法而受到批评。新产品预计将吸引重视数据隐私和开放标准的开发者和组织。
-
MCP 生态系统分析显示有 22,561 个服务器，多为开发工具
对“MCP”（多能力提供商）生态系统的最新分析显示，存在 22,561 个独立的服务器，这一数量远超之前各独立注册表所显示的数据。其中大部分服务器（46%）专门用于开发工具和编码代理，而金融和健康等其他类别则规模小得多。相当一部分（约 36%）仍未分类，并且有惊人的 99.6% 缺乏已发布的可靠性或正常运行时间数据，这对依赖这些服务的代理构成了重大风险。
-
CYGNET 系统验证 AI 生成的数据库 Cypher 查询
研究人员开发了 CYGNET，一个旨在验证和纠正语言模型生成的 Cypher 查询的系统，然后再与 Neo4j 数据库进行交互。这个预执行门可确保结构完整性并标记潜在的昂贵查询计划，从而提高处理知识图的 AI 代理的可靠性。该系统在捕获错误和保持各种基准测试中的生成准确性方面表现出很高的成功率。
-
新的RAG框架增强技术文献推理能力
研究人员开发了TechGraphRAG，一个新颖的、基于代理的检索增强生成（RAG）框架，用于技术文献推理。该系统采用一个13步流程，通过整合查询意图分类、证据评分、带查询重构的代理重试以及外部数据库搜索，超越了传统的RAG。它还利用Neo4j知识图谱来提供关系上下文，并包含用于引用验证和质量评估的自我纠正机制。