AI on Your Lakehouse: Context Comes in Shapes, Not Queries — Zach Blumenfeld, Neo4j

這場線上研討會由 Neo4j AI 研究工程師 Zack Blumenfeld 主持，針對企業資料湖問題提出圖模式解決方案。講座以虛構汽車修理連鎖店為背景——該店需整合龐大的結構化倉儲（工單、車輛、零件履歷）與非結構化文件（維修手冊、安全公告、召回通知），為現場技師打造智慧助手。

傳統方法的瓶頸在於：純向量搜尋在百級表格或百萬級文件時易出錯，因為 LLM 難以正確推導表間連接邏輯或理解文件層級；文字轉 SQL 在大規模資料集上幻覺率高；詞彙搜尋無法回答「什麼資料缺失」的否定性問題。Neo4j 的解決方案是三層圖架構，每層各有目的。

第一層：連接語義層。Neo Carta 從 BigQuery 元資料（表、列、主外鍵）建立圖，無需搬移資料，只提供 AI 指導。當代理被問「VIN 碼 X 的故障碼 Y 需要換什麼零件」時，它透過 MCP 伺服器讀取元資料圖，理解零件表與工單表的連接方式，自動生成正確的 SQL 查詢，命中率遠高於純文字轉 SQL。

第二層：文檔結構目錄。講師展示如何用正規表示式從 PDF 手冊解析層級結構（資料夾→文件→章節），建立分層 URI 系統（如 `/recalls/engine/timing-belt`）。每份文件與其跨文件連結（如手冊中提及某公告）以命名連結表示。此法完全確定性，不涉及 LLM，代理能透過 Outline 工具逐層遍歷以精確定位段落，避免向量搜尋的漂移。Lucene 全文索引則添加語意擴展層（例如搜「失火」時自動對應手冊中的「點火線圈」與「怠速不穩」）。

第三層：社群檢測主題。代理執行 Neo4j GDS 的 Leiden 演算法，將文件網絡自動聚類為 13 個主題（如「電氣系統」「冷卻系統」等），每個主題附帶中心文件與 Modularity 評分。此方法零 LLM 開銷，結果可重複且穩定。特別優勢在於發現空白：比對主題中涉及的故障碼與實際倉儲工單，能識別「現場修過但文檔未涵蓋」的 DTC 代碼，或「文檔已有但現場沒用過」的資料，這類問題向量搜尋根本無法回答。

實務示例涵蓋三層遞進：簡單個案（VIN 故障→推薦零件）只需元資料連接；複雜審計（找出倉儲記錄與現場維修的不匹配）需結合文檔遍歷與 SQL 查詢；企業級分析（統計各公告影響多少車、與維修模式關聯）才需動用社群檢測。代理能智慧切換工具：先用 Outline 定位文檔、用 Search 補充全文匹配、用 Topics 發現全域模式，最後回到結構化倉儲提取數字，全程透明可追蹤。

講師強調 Neo4j CLI 的關鍵角色：現代 Claude 代理可在 Codespaces 中自動撰寫 Cypher 查詢（Neo4j 圖查詢語言），配合最新的 Cypher 技能與 GDS 技能，相比半年前的文字轉 Cypher 體驗進步明顯。代理無需預定義所有查詢模板，可動態應對複雜問題。

整體優勢：模型無關（任何 LLM 透過 MCP 皆可使用）、成本低（無大規模 ETL、無大量 LLM 推理）、結果穩定（確定性負載、可重複演算法）。與微軟 GraphRAG 相比，此方法輕量但代價是依賴原始文件品質與結構規範。