RAG 需要一张地图：用 GraphRAG 检索关联上下文

Nyah Macklin（Neo4j）在 workshop 中演示如何用 Neo4j 构建 GraphRAG 检索路径：先用 LLM 从课程材料中抽取实体与关系，结合向量嵌入做相似度搜索，再通过 Cypher 暴露图结构，使 agent 能回答需要遍历或聚合的问题。流程涵盖 GraphAcademy、Aura 数据库、Python 环境、向量索引、课程搜索工具和自然语言检索查询。

AI推荐理由 AI Engineer 频道的实操 workshop，由 Neo4j 的 Nyah Macklin 演示用 GraphRAG 结合向量检索与知识图谱，解决单纯 top-k 语义检索无法覆盖课程概念间关联的问题。内容包含实体关系抽取、向量索引、Cypher 查询和 Aura 中构建 agent 的具体步骤，对 RAG 开发者有直接参考价值；属教程性质，无新模型发布。