neo4j-labs/create-context-graph

什么是 Create Context Graph？

Create Context Graph 是一个命令行向导，用于搭建一个完整的、特定领域的“知识图谱驱动”AI 应用。您告诉该工具：

• 您关注的行业（医疗保健、金融、野生动物管理等），
• 您想要哪个 LLM 代理框架（例如，Strands、PydanticAI、LangGraph、Claude SDK），以及
• 您是需要托管的记忆服务（NAMS）还是自托管的 Neo4j 实例。

然后，CLI 会生成一个立即可运行的全栈项目：

• FastAPI 后端，包含一个 LLM 代理，将对话上下文存储在 Neo4j 图（或由 Neo4j 支持的 NAMS）中。
• Next.js + Chakra UI 前端，显示聊天窗口、交互式图视图、文档浏览器和决策追踪查看器。
• 针对所选领域的 Neo4j 模式 和可选的演示数据。
• 可选的连接器，用于将来自 SaaS 工具（GitHub、Slack、Notion 等）的真实数据导入图中。

所有这些都在几分钟内生成，让您可以试验“上下文图”——一种存储从LLM对话中提取的实体，并将其链接到文档、工具和决策的图。

---

谁可能使用它？

受众	为什么有帮助
产品团队 构建领域特定的 AI 助手（例如，医疗记录聊天机器人）	一键搭建整个技术栈——后端、前端、Neo4j 模式和数据导入。
数据工程师 / 知识图谱专家 想要在现有 SaaS 数据上尝试 LLM 驱动的实体提取	内置连接器从 GitHub、Slack、Notion、Linear 等拉取数据，并自动映射到图中。
研究人员 / 学生 探索图增强型 LLM 代理	现成的演示领域和合成数据让您专注于代理逻辑，而不是搭建基础设施。
Neo4j 客户 寻找“代理记忆”的参考实现	展示如何以生产级 FastAPI 服务组合 Neo4j、LiteLLM 和各种代理 SDK。

---

谁可能使用它？

受众	为什么有用
产品团队 构建特定领域的 AI 助手（例如，医疗记录聊天机器人）	一键搭建整个技术栈——后端、前端、Neo4j 模式和数据导入。
数据工程师 / 知识图谱专家 想要在现有 SaaS 数据上尝试 LLM 驱动的实体抽取	内置连接器从 GitHub、Slack、Notion、Linear 等拉取数据，并自动映射到图中。
研究人员 / 学生 探索图增强的 LLM 代理	现成的演示领域和合成数据让您专注于代理逻辑，而不是连接基础设施。
Neo4j 客户 寻找“代理记忆”的参考实现	展示如何在生产风格的 FastAPI 服务中结合 Neo4j、LiteLLM 和各种代理 SDK。

---

谁可能使用它？

受众	为什么有用
产品团队 构建特定领域的 AI 助手（例如，医疗记录聊天机器人）	一键搭建整个技术栈——后端、前端、Neo4j 模式和数据导入。
数据工程师 / 知识图谱专家 想要在现有 SaaS 数据上尝试 LLM 驱动的实体抽取	内置连接器从 GitHub、Slack、Notion、Linear 等拉取数据，并自动映射到图中。
研究人员 / 学生 探索图增强的 LLM 代理	现成的演示领域和合成数据让您专注于代理逻辑，而不是基础设施的搭建。
Neo4j 客户 寻找“代理记忆”的参考实现	展示如何在生产风格的 FastAPI 服务中结合 Neo4j、LiteLLM 和各种代理 SDK。

---

它是如何工作的？

1. 向导 – create-context-graph 会询问几个提示（领域、框架、记忆后端、演示数据、连接器）。您也可以使用标志以非交互方式运行它。
2. 领域本体 – 选择（或从自由文本描述生成）一个描述实体类型、关系和工具定义的 YAML 文件。这驱动代码生成。
3. 模板渲染 – Jinja2 模板将本体转换为：
   • Neo4j 模式（schema.cypher）
   • 用于 FastAPI API 的 Pydantic 模型
   • 特定于代理的工具包装器
   • 可视化图的前端组件。
4. 记忆层 – 生成的後端接上 neo4j-agent-memory 库（v0.4）。它可以连接：
   • NAMS – 托管的 Neo4j 后端记忆服务（默认）。只需 NAMS API 密钥。
   • 自托管 Neo4j – 连接本地或 Aura 实例的 bolt 连接，提供完整的 Cypher、GDS 和关系支持。
5. LLM 集成 – 代理使用兼容 LiteLLM 的提供程序字符串，因此您可以接入 Anthropic、OpenAI、Bedrock、Ollama 等。实体提取默认为 Claude‑haiku 或 GPT‑4o‑mini。
6. 前端 – 一个 Next.js 应用显示：
   • 流式聊天（服务器发送事件）
   • 实时工具调用可视化
   • 交互式图形视图（展开节点、拖拽/缩放、属性面板）
   • 文档浏览器和代理推理步骤的追踪查看器。
7. 数据导入 – 如果您选择了连接器，脚手架会包含脚本（import_data.py）和 make import 目标，用于将所选 SaaS 服务的数据拉取到 Neo4j 中。

---

生成的项目里有什么？

my-app/
├─ backend/               # FastAPI 服务
│  ├─ app/main.py        # 入口点
│  ├─ app/agent.py       # LLM 代理（框架特定）
│  ├─ app/memory.py      # Neo4j 或 NAMS 记忆集成
│  ├─ app/context_graph_client.py   # Neo4j 的 CRUD 辅助函数
│  ├─ app/gds_client.py  # 可选的图数据科学调用
│  └─ connectors/        # SaaS 导入代码（如果选择）
├─ frontend/              # Next.js + Chakra UI 界面
│  ├─ components/ChatInterface.tsx   # 流式聊天 UI
│  ├─ components/ContextGraphView.tsx # 交互式图
│  └─ …
├─ data/ontology.yaml     # 用于生成的领域定义
├─ data/fixtures.json     # 合成演示实体（如果使用 --demo）
├─ cypher/schema.cypher   # 约束与索引
├─ docker-compose.yml     # 用于自托管模式的可选 Neo4j 容器
├─ Makefile               # install、start、seed、import、test …
└─ README.md              # 项目专属文档

---

何时选择托管内存 vs 自托管内存

功能	NAMS（托管）	自托管 Neo4j
设置	无需安装 Neo4j，只需 API 密钥	运行 Docker/Aura，配置 bolt URL
写入能力	仅创建实体；关系以 markdown 块形式存储在 description 中	完整的 Cypher 写入、原生边、GDS 算法
可扩展性	托管服务，限于 Neo4j 支持的 REST API	您控制集群大小、复制等
成本	Neo4j Labs 内存服务按需付费	取决于您的 Neo4j 部署
用例	快速演示、原型开发、个人知识库	需要复杂图查询或分析的生产级应用

---

快速入门示例（Python，NAMS）

uvx create-context-graph my‑app \
  --domain healthcare \
  --framework strands \
  --nams‑api‑key sk‑nams‑…

cd my‑app
make install          # pip install + npm install
make start            # launches FastAPI + Next.js

访问 http://localhost:3000 查看 UI，访问 http://localhost:8000/docs 查看 API。

---

限制与注意事项

• NAMS 后端无法创建原生 Neo4j 关系或运行任意 Cypher；生成的应用程序通过以 Markdown 编码边来解决此问题。
• 某些高级图数据科学（GDS）功能仅在自托管模式下可用。
• 默认之外的内存提供程序需要您提供 LiteLLM 字符串，并可能需要 API 密钥。
• 该项目是实验性的——由 Neo4j Labs 维护，但不受官方支持。

---

总结

Create Context Graph 将少量选择（领域、代理框架、内存后端）转化为一个功能完备的 AI 增强图应用，只需几分钟。它非常适合任何想要探索 LLM 代理如何在不从头编写底层代码的情况下，在 Neo4j 知识图谱上存储和推理的人。

---

有用链接（来自仓库）

• 文档站点 – https://create-context-graph.dev/
• Neo4j‑agent‑memory – https://github.com/neo4j-labs/agent-memory
• 社区帮助 – GitHub Issues、Neo4j Community Forum
• 许可证 – 请参阅仓库（Neo4j Labs 项目通常为 MIT 风格）