确认Asset节点存在embeddings属性仍触发Neo4j UnknownPropertyKeyWarning

已确认所有31个Asset节点都存在非空的768维embeddings属性，在Neo4j Desktop中运行相同Cypher查询完全正常，但通过Python代码调用时却触发Neo.ClientNotification.Statement.UnknownPropertyKeyWarning警告，提示embeddings属性不存在。以下是可能的原因及排查方向：

可能的原因 #

• 数据库连接不匹配：Python代码中的Neo4j驱动可能连接了与Desktop不同的数据库实例或数据库名称。检查驱动的连接URI、认证信息，确保和Desktop使用的是同一个Neo4j实例及目标数据库。
• 会话数据库指定错误：如果Python代码创建会话时未显式指定数据库，可能默认连接了错误的库（比如Neo4j默认的neo4j库，而你在Desktop中使用的是自定义库）。创建会话时显式指定数据库：self.driver.session(database="你的数据库名称")。
• Schema元数据未同步：批量导入Asset节点后，Neo4j的Schema元数据可能存在延迟，导致查询解析时认为embeddings属性不存在。可以在Python会话中执行CALL db.propertyKeys()查看是否包含embeddings，或执行MATCH (a:Asset) RETURN a.embeddings LIMIT 1验证能否正常读取属性。
• 大小写拼写不一致：Neo4j对属性键大小写敏感，确认Python查询中的embeddings与节点实际属性的拼写（包括大小写）完全一致，避免因大小写差异触发警告。

相关代码 #

class Neo4jGraph:

    ...

    def best_matches(self, embedding: List[float], limit: int = 10) -> List[Dict[str, Any]]:

        query = """
        WITH $embedding AS input_embedding
        MATCH (a:Asset)
        WHERE a.embeddings IS NOT NULL
        RETURN a.id AS id, a.url AS url, a.description AS description, vector.similarity.cosine(input_embedding, a.embeddings) AS similarity
        ORDER BY similarity DESC
        LIMIT $limit
        """

        with self.driver.session() as session:

            result = session.run(query, embedding = embedding, limit = limit)
            assets = []

            for record in result:
                assets.append({
                    'asset_id': record['id'],
                    'asset_url': record['url'],
                    'description': record['description'],
                    'similarity': record['similarity'],
                    'asset_tags': record['tags']
                })

            return assets

警告信息（中文翻译） #

收到来自DBMS服务器的通知：{级别: 警告} {代码: Neo.ClientNotification.Statement.UnknownPropertyKeyWarning} {类别: 无法识别} {标题: 提供的属性键不存在于数据库中} {描述: 查询中的某个属性名称在数据库中不存在，请确认拼写无误，或确保运行语句时标签可用（缺失的属性名称为: embeddings）} {位置: 行: 4, 列: 17, 偏移量: 84}

内容的提问来源于stack exchange，提问作者Amit Pathak