如何在单个Cypher查询中实现GraphRAG应用的混合向量与图搜索？

核心思路 #

先通过向量相似度匹配定位目标节点，再以这些节点为起点，遍历关联关系扩展相关节点，将两步逻辑合并在单条Cypher查询中，减少多次查询的开销。

基础实现示例 #

假设你使用支持向量索引的图数据库（如Neo4j），节点Document包含向量属性embedding，需匹配输入向量并遍历其关联的Entity节点：

// 第一步：向量搜索筛选目标节点
MATCH (doc:Document)
// 用相似度阈值过滤，或结合topK获取最相关节点
WHERE vector.similarity(doc.embedding, $inputEmbedding) > 0.7
WITH doc
ORDER BY vector.similarity(doc.embedding, $inputEmbedding) DESC
LIMIT 10  // 限制返回节点数，控制后续图搜索范围

// 第二步：遍历关联关系，扩展相关节点
MATCH (doc)-[:REFERENCES]->(entity:Entity)
// 可选：遍历深层关联节点
OPTIONAL MATCH (entity)-[:RELATED_TO]->(related:Entity)
// 返回所需字段
RETURN 
  doc.title AS document_title,
  entity.name AS core_entity,
  collect(DISTINCT related.name) AS related_entities

高效查询优化技巧 #

• 向量索引加持：给节点的向量属性创建专用向量索引，大幅提升向量搜索速度。以Neo4j为例：

  CREATE VECTOR INDEX doc_embedding_idx 
  FOR (d:Document) 
  ON (d.embedding) 
  OPTIONS {
    indexConfig: {
      `vector.dimensions`: 1536,  // 对应你的向量维度
      `vector.similarity_function`: 'cosine'  // 选择合适的相似度算法
    }
  }
  

• 用topK替代阈值过滤：如果需要精准获取最相似的N个节点，直接调用向量索引的topK查询：

  CALL db.index.vector.queryNodes('doc_embedding_idx', 8, $inputEmbedding) 
  YIELD node AS doc, score
  MATCH (doc)-[:MENTIONS]->(topic:Topic)
  RETURN doc.id, score, topic.name
  

• 控制遍历深度：根据业务需求限制关系遍历的层数（如仅直接关联节点），避免无意义的深层遍历消耗资源。
• 参数化传递向量：用$inputEmbedding参数传递输入向量，避免硬编码，同时提升查询复用性和安全性。

内容的提问来源于stack exchange，提问作者Guy Korland