图检索模式：多跳遍历、子图检索与 Text-to-Cypher
本文基于模型知识整理（生成时未联网核对），关键结论建议对照经典文献复核。
一句话定义
图检索把"问题 → 图上可执行的操作"分为三类：入口定位（问题实体锚到节点）、结构展开（多跳遍历/模式匹配取子图）、结果转述（子图序列化进上下文）；Text-to-Cypher 让 LLM 生成查询，实体链接与 schema 约束决定它的可靠性。
为什么重要
向量检索的输出是"块列表"，图检索的输出是"结构化的子图/路径"——如何把问题翻译成图操作、再把图操作结果翻译回语言，是 GraphRAG 落地的两个翻译层。掌握这三类模式，才能设计出"哪些问题走图、怎么走、结果怎么喂"的完整路径。
前置知识
kp-020（Cypher）、kp-022（多跳盲区）、kp-011（查询变换）。
核心概念
- 实体链接（entity linking）：把问题中的提及（"华为"）锚定到图节点——检索前置步骤，链接错了全盘皆错。常用方案：别名表精确匹配 + 向量检索节点名称/描述兜底。
- 模式一：多跳遍历（traversal）：从锚点节点按关系边走 n 跳取邻域/路径（"A 的供应商的母公司"），确定性最强。
- 模式二：子图/模式匹配（pattern match）：按问题语义生成 Cypher pattern（带类型与属性过滤），返回满足结构的子图；适合"条件组合"类问题（向 H 供货且母公司在德国的供应商）。
- 模式三：Text-to-Cypher：LLM 把自然语言问题翻译成 Cypher——few-shot schema 提示 + 语法校验 + 出错重试/回退；是图检索的自动化入口。
- 结果序列化：子图→文本（"华为 -[供应]-> 海思；海思 -[母公司]-> 华为投资"或表格化），要控制长度、保留关系方向与属性。
原理与机制
Text-to-Cypher 的可靠性工程：裸 LLM 生成 Cypher 的失败模式是——幻觉关系名（schema 里没有）、属性名拼错、跳数无界拖垮库。对策链：① schema 词汇表进 prompt（只允许白名单类型与关系）；② 生成后语法校验 + EXPLAIN 预检（限制遍历上限）；③ 执行失败把错误信息回喂重试（自修复循环）；④ 连续失败回退到"实体邻域泛化检索"（锚点 + 1–2 跳全量邻域，宁可多给不空手）。
子图如何进上下文：序列化格式三选一——线性三元组列表（省 token、丢结构感）、缩进树/表格（结构清晰、token 略多）、自然语言化（LLM 把子图转述成段落，最顺滑但引入转述错误）。工程上常按子图大小路由：小图线性列表、大图先摘要。
与向量路的协作：图检索的起点（实体链接）常用向量检索；图检索的结果（子图涉及的原文块）再与向量召回合并进上下文（kp-014）——两条路在入口与出口各握一手，中间各走各的强项（kp-026 的融合架构）。
图示
问题: "A 公司供应商里哪些有 ISO 认证?"
① 实体链接: "A 公司" → (:Company {name:'A'})
② Text-to-Cypher:
MATCH (a:Company {name:'A'})<-[:SUPPLIES_TO]-(s)-[:HAS_CERT]->(c {type:'ISO'})
RETURN s.name, c.type
③ 执行 + 校验(失败→回喂错误重试→仍败则邻域兜底)
④ 序列化: "供应商B(ISO9001)、供应商C(ISO27001)" → 进上下文实例或案例
- 供应链问答：实体链接命中率 95%+（别名表完备）时，Text-to-Cypher 直查准确率远高于向量多跳拼接；链接失败自动回退向量路。
- 风控自然语言查图："与 X 共用设备的账号"→ 两跳 pattern，秒级返回子图。
常见误区
- 误区一："Text-to-Cypher 可以端到端全托管"。没有 schema 约束与执行校验的裸生成在生产不可用；三件套（白名单+校验+回退）是底线。
- 误区二："子图越大信息越全越好"。大子图挤爆上下文并稀释注意力（kp-014）；按跳数与节点数上限裁剪，优先保留与问题实体直接相关的边。
- 误区三："实体链接小事一桩"。别名缺失时问题锚不到节点，整条图路静默失效；别名表的维护要作为常规运营任务。
与其他知识点的关系
自测题
- Text-to-Cypher 的三道保险是什么？
答：schema 白名单进提示词（防幻觉词汇）、生成后语法与执行预检（防拖库）、失败回喂重试 + 邻域泛化兜底（防空手）。
- 子图序列化有哪些格式与取舍？
答：线性三元组（省 token）、缩进树/表格（结构清晰）、LLM 自然语言转述（顺滑但可能失真）；按子图规模与风险偏好选。
- 图路与向量路在哪两个位置协作？
答：入口（实体链接用向量检索兜底）与出口（图结果涉及的原文块与向量召回合并进上下文）。
延伸阅读
- Neo4j 文档：genai — Text2Cypher 与 vector index 集成。
- Gu 等, "Don't Generate, Discriminate"（Text-to-SQL 的判别式修正思想，同理适用 Cypher）。
- Han 等 GraphRAG 综述（2024）§ 检索策略分类。