【Graph RAG 实战】LLM 生成的 Cypher 查不到数据，问题出在哪儿？

1
用户问题： 珍珠奶茶适合哪些人群饮用？
2
生成 Cypher： MATCH (p:Product {name:'珍珠奶茶'})-[:适合]->(people:People) RETURN people.name
3
检索结果： [{"people.name":"年轻人"},{"people.name":"学生"},{"people.name":"甜食爱好者"}]
4
最终回答： 根据检索结果，珍珠奶茶适合以下人群饮用：年轻人、学生、甜食爱好者

1
用户问题： 台式奶茶的饮品都有哪些配料？
2
生成 Cypher： MATCH (t:Type {name:'台式奶茶'})<-[:属于]-(p:Product)-[:包含]->(i:Ingredient) RETURN i
3
检索结果： []    ← 空的！
4
最终回答： 无法从图谱得到答案

1
let graphContext = '';    // 模块级变量，查一次全局复用
2

3
async function buildGraphContext() {
4
  await graph.refreshSchema();    // 读取节点类型和关系结构
5

6
  // 并发查询每类节点的所有 name 值
7
  const [products, types, ingredients, methods, peoples] = await Promise.all([
8
    graph.query('MATCH (n:Product)    RETURN collect(n.name) AS values'),
9
    graph.query('MATCH (n:Type)       RETURN collect(n.name) AS values'),
10
    graph.query('MATCH (n:Ingredient) RETURN collect(n.name) AS values'),
11
    graph.query('MATCH (n:Method)     RETURN collect(n.name) AS values'),
12
    graph.query('MATCH (n:People)     RETURN collect(n.name) AS values'),
13
  ]);
14

15
  return `
16
图谱结构（Schema）：
17
${graph.schema}
18

19
节点现有数据（必须使用以下真实值，不得自行推断）：
20
- Product: ${products[0].values.join('、')}
21
- Type: ${types[0].values.join('、')}
22
- Ingredient: ${ingredients[0].values.join('、')}
23
- Method: ${methods[0].values.join('、')}
24
- People: ${peoples[0].values.join('、')}
25
  `.trim();
26
}

1
Node properties are the following:
2
Product {taste: STRING, calorie: STRING, name: STRING},
3
Type {name: STRING},
4
Ingredient {hard: STRING, name: STRING, origin: STRING},
5
Method {name: STRING},
6
People {name: STRING}
7

8
Relationship properties are the following:
9

10
The relationships are the following:
11
(:Product)-[:适合]->(:People),
12
(:Product)-[:属于]->(:Type),
13
(:Product)-[:包含]->(:Ingredient),
14
(:Ingredient)-[:使用]->(:Method)

1
async function generateCypher(state) {
2
  const prompt = `
3
你是一个专业的 Neo4j Cypher 生成器。
4
只返回纯 Cypher 代码，不要任何解释、不要标点、不要 markdown。
5

6
${graphContext}
7

8
规则：
9
1. 关系方向绝对不能反
10
2. 多跳查询请使用多个 MATCH，不要连错路径
11
3. 只返回最终可运行的 Cypher 语句
12
4. 节点属性值必须使用上方「节点现有数据」中的真实值，不得自行推断
13

14
用户问题：${userQuery(state)}
15
  `;
16
  const res = await llm.invoke([new HumanMessage(prompt)]);
17
  return { cypher: res.content };
18
}

1
;(async () => {
2
  // 启动时查一次，后续所有问题复用
3
  graphContext = await buildGraphContext();
4

5
  console.log('=== 动态图谱上下文 ===');
6
  console.log(graphContext);
7

8
  await Promise.all([
9
    runGraphRAG('珍珠奶茶适合哪些人群饮用？'),
10
    runGraphRAG('我们这款珍珠奶茶有哪些配料？'),
11
    runGraphRAG('台式奶茶的饮品都有哪些配料？'),
12
  ]);
13
})().catch(console.error);

1
旧版 Prompt：
2
  节点：
3
  - Type: 奶茶类型
4
  → LLM 自己猜 = "台式奶茶" → 猜错
5

6
新版 Prompt：
7
  节点现有数据（必须使用以下真实值，不得自行推断）：
8
  - Type: 台式、港式奶茶
9
  → LLM 用真实值 = "台式" → 正确

1
手动方案（不推荐）：           动态方案（推荐）：
2
  值写死在代码里                 启动时从 Neo4j 自动读取
3
  加节点要改代码                 加节点自动生效
4
  容易遗漏/写错                  永远和数据库一致
5

6
以后往图谱里加新数据：
7
  加一个新 Product → 自动出现在 LLM 的 Prompt 里
8
  加一个新关系      → Schema 自动更新
9

10
完全不需要改代码 ✅