Spring AI Alibaba Graph实战：从零构建知识图谱应用

最新推荐文章于 2026-04-19 20:00:02 发布

原创

最新推荐文章于 2026-04-19 20:00:02 发布 · 202 阅读

1. 环境准备：手把手带你搭好开发舞台

咱们今天要聊的，是 Spring AI Alibaba Graph。听起来是不是有点高大上？别怕，我刚开始接触的时候也觉得这玩意儿肯定特复杂，但实际用下来发现，Spring 生态的“开箱即用”特性在这里体现得淋漓尽致。简单来说，它就是一个帮你轻松玩转知识图谱的“瑞士军刀”，让你不用去深究底层图数据库那些繁琐的 API，用 Spring 开发者最熟悉的姿势就能操作图数据。

知识图谱是啥？你可以把它想象成一张巨大的、智能的关系网。比如，在电影领域，“汤姆·汉克斯”是一个点，“《阿甘正传》”是另一个点，他们之间有一条边叫“主演”。通过无数这样的点和边，我们就能把散乱的信息编织成一张结构化的知识大网，进行非常高效的查询和推理，比如“找找汤姆·汉克斯主演的、由罗伯特·泽米吉斯导演的电影”。Spring AI Alibaba Graph 就是帮你快速构建和操作这张网的利器。

要开始玩，首先得把舞台搭好。我强烈建议你使用 IntelliJ IDEA 或者 VS Code 这类现代 IDE，它们对 Spring Boot 的支持非常友好。咱们的项目基于 Spring Boot 3.x 和 Java 17 或更高版本，这是享受 Spring AI 最新特性的前提。打开你的 IDE，新建一个 Spring Boot 项目，这一步我就不赘述了，和创建普通的 Web 项目一模一样。

接下来就是重头戏：引入依赖。打开你的 pom.xml 文件，在 <dependencies> 部分加入以下内容。这里有个小坑我踩过，Spring AI 的版本迭代比较快，建议去官方仓库看看最新稳定版，我这里用 1.0.0 作为示例，但你实际操作时可能需要调整。

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-alibaba-graph</artifactId>
    <version>1.0.0</version>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-neo4j</artifactId>
</dependency>

等等，你可能会问，为什么还有个 spring-boot-starter-data-neo4j？这里有个关键点：Spring AI Alibaba Graph 本身是一个抽象和集成层，它需要连接一个实际的图数据库后端。虽然它原生适配阿里云的图数据库，但在本地开发和测试时，我们完全可以用 Neo4j 这种开源图数据库来替代，两者在查询语言（如 Cypher）层面是相通的。这样我们就不用一开始就去申请云服务，直接在本地就能跑起来，学习成本低，效果却一样。当然，如果你已经有阿里云 Graph 服务的账号和实例，也可以直接配置上去。

1.1 搞定本地图数据库（Neo4j）

为了快速上手，我强烈推荐先在本地用 Docker 启动一个 Neo4j。如果你没安装 Docker，去官网下一个，安装过程很简单。然后打开终端，执行下面这条命令：

docker run -d \
  --name neo4j-spring-ai \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/your_password_here \
  neo4j:latest

这条命令干了啥？它拉取了最新的 Neo4j 镜像，创建了一个名为 neo4j-spring-ai 的容器，把浏览器访问端口 7474 和数据库连接端口 7687 都映射到了本地。最关键的是 -e NEO4J_AUTH，它设置了默认用户 neo4j 的密码，这里你务必把 your_password_here 换成你自己设定的强密码，比如 MySecretPass123!。

启动成功后，打开浏览器，访问 http://localhost:7474。你会看到 Neo4j Browser 的登录界面，用户名填 neo4j，密码填你刚才设置的。第一次登录它会要求你改密码，按提示操作即可。登录进去后，你就能看到一个交互式的图数据库查询界面了，这证明你的数据库服务已经就绪。

1.2 配置你的 Spring Boot 应用

数据库跑起来了，现在告诉我们的 Spring Boot 应用怎么连接它。回到项目，打开 src/main/resources/application.yml 文件（如果没有就新建一个）。我们需要配置两个数据源：一个是给 Spring AI Alibaba Graph 的核心配置（虽然我们暂时用 Neo4j模拟，但配置结构类似），另一个是直接给 Spring Data Neo4j 用的。这样配置是为了让框架层和驱动层都能正确工作。

spring:
  neo4j:
    uri: bolt://localhost:7687
    authentication:
      username: neo4j
      password: MySecretPass123! # 替换成你实际的密码

  ai:
    alibaba:
      graph:
        endpoint: bolt://localhost:7687 # 这里指向本地Neo4j，模拟环境
        username: neo4j
        password: MySecretPass123!
        # 如果是真实的阿里云Graph服务，配置类似如下：
        # endpoint: https://your-instance.gdb.aliyuncs.com
        # access-key: your-access-key-id
        # secret-key: your-access-key-secret

配置完成后，启动你的 Spring Boot 应用。如果控制台没有报错，并且能看到类似 “Connected to Neo4j” 的日志信息，那么恭喜你，环境搭建这最基础也最容易出问题的一步，你已经稳稳地跨过去了。接下来，我们就可以开始定义数据模型，真正创建我们的知识图谱了。

2. 数据建模：定义你的第一个知识图谱

环境搭好了，就像盖房子打好了地基，接下来我们要设计房子的蓝图——也就是数据模型。在知识图谱的世界里，万物皆可抽象为两种基本元素：顶点（Vertex） 和 边（Edge）。顶点代表实体，比如“人”、“电影”、“城市”；边代表实体之间的关系，比如“主演”、“出生于”、“位于”。Spring AI Alibaba Graph 通过一套非常直观的注解，让我们能用熟悉的 Java 对象（POJO）来定义这些元素，这比直接写晦涩的图查询语句要友好太多了。

让我们从一个简单的社交网络场景开始。假设我们要构建一个关于朋友和兴趣的知识图谱。首先，我们创建两个顶点类型：Person（人）和 Hobby（爱好）。在项目中新建一个 entity 包，然后创建 Person.java 文件。

package com.example.knowledgegraph.entity;

import org.springframework.data.annotation.Id;
import org.springframework.ai.alibaba.graph.core.annotation.Vertex;
import java.util.List;

@Vertex(label = "Person") // 声明这是一个顶点，在图数据库中的标签是“Person”
public class Person {
    @Id // 标识这是实体的唯一ID
    private String id; // 图数据库中的ID通常是字符串类型
    private String name;

标签