Neo4j 是一个面向互联数据的图平台，提供完全托管和自托管产品，用于存储、查询、分析和可视化数据之间的关系。官网将其定位为“让 AI 准确的知识层”，通过知识图谱为 AI 和智能代理提供上下文、记忆以及数据地图，使系统能够理解企业知识、历史和决策之间的关系。与只处理孤立记录的工具不同，Neo4j围绕实体、关系和模式组织数据，并支持使用 Cypher 查询关系模式、通过交互式工具探索图数据，还可以将图能力用于 GraphRAG、推荐、欺诈检测、数字孪生和网络运维等场景。
核心功能
图数据库与互联数据存储
Neo4j Graph Database 用于“Store connected data with a graph database”，可以把企业数据表示为实体及其关系。官网介绍其支持在没有刚性模式限制的情况下，将数据建模为图，并通过图结构保存实体之间的联系。产品既有 fully-managed 形态，也有 self-managed 形态，适用于需要托管服务或自行管理部署的团队。
数据导入与图建模
Neo4j支持从 CSV、JSON、API 以及 Kafka、Spark 等集成导入数据。导入后，用户可以使用工具将数据建模为图，把实体和关系组织起来，而不需要依赖 rigid schemas。官网将这一流程概括为“Import & model”，适合把已有的企业数据转化为可查询的关系网络。
Cypher 查询与模式匹配
平台使用 Cypher 进行查询，官网称其为简单、直观的查询方式，可用于快速查找数据中的模式，避免复杂的 JOIN 或嵌套查询。用户可以围绕关系和连接进行查询，并从图结构中获取相关数据。官网还将 pattern matching 列为技术模式之一，说明图中的关系模式是其主要使用方式。
图数据探索与可视化
Neo4j提供交互式工具来把数据可视化为图。用户可以在图形界面中发现关系模式、调整查询并探索数据，不需要额外编写代码。官网将该流程标为“Explore”，并将其描述为用于发现模式、优化查询和探索关系的工具能力。
知识层与 GraphRAG
Neo4j的知识层用于连接企业知识与 AI 及 agentic systems，为 AI 提供上下文、记忆和数据地图。官网介绍，Agentic GraphRAG 可以使用会随着用户交互、需求变化和 AI 发展而演进的数据能力，为大语言模型输出提供准确且可解释的上下文。官网同时展示了 GraphRAG 相关资源，并引用独立研究称 GraphRAG 可使 AI agents “80% more truthful”。
图分析与企业级治理
Neo4j提供 Graph Data Science，用于在互联数据上运行图算法；Aura Graph Analytics则支持在任意数据和任意云上运行图算法。企业能力包括安全、治理、加密以及跨云合规控制，官网还列出 100s TB graphs、99.95% uptime SLA、65+ graph algorithms、24x7x365 premium support 和 90-day retention backup 等指标。
使用方式
Neo4j提供完全托管的 AuraDB、Virtual Graph、Aura Graph Analytics 和 Aura Agent，也提供自托管的 Graph Database、Graph Data Science、Enterprise Studio 和 Fleet Manager。用户可以从开发者中心获取教程、GitHub 仓库、驱动和代码示例，并通过文档开始使用。数据可从 CSV、JSON、API、Kafka 和 Spark 导入；查询使用 Cypher，图数据可通过交互式工具探索。官网提供“Get started free”入口，但给定正文没有列出注册要求、具体免费额度或是否需要自备模型 Key。
适用人群与场景
数据工程师和开发者可以使用 Neo4j 导入企业数据、建立图模型、编写 Cypher 查询并通过驱动和代码示例构建图应用。AI 与智能代理开发者可以用知识层和 Agentic GraphRAG 为模型提供上下文、记忆与企业知识。数据科学团队可以使用 Graph Data Science 和图算法进行数据分析。金融、医疗、零售、电信、政府以及需要欺诈检测、实时推荐、数字孪生、身份访问管理、供应链和网络运维的组织，也可以依据官网列出的行业和使用场景采用相关产品。
注意事项
Neo4j官网同时提供 fully-managed 和 self-managed 产品，具体部署方式需要根据产品选择。官网正文列出了大量企业级能力和服务指标，但没有在给定 pricing 正文中呈现具体价格、套餐或免费额度；“Get started free”只作为开始使用入口出现，不能据此确定完整的免费方案。