从湖仓到互联知识

企业依靠 Databricks 实现可扩展、受治理的数据和 AI。Neo4j 增加了图智能,将这些数据转化为知识和背景信息,使智能体 AI 系统能够基于可信的关系和含义运行。

互联知识

将湖仓数据转化为互联的 AI 上下文

Databricks 客户利用 Neo4j 图智能扩展湖仓,将数据从 Delta 表迁移到富含关系的知识图谱中,从而实现受治理的分析和 AI。借助 Agent Bricks,他们可以构建基于互联企业数据的 GraphRAG 应用和助手。

Neo4j 与 Databricks 如何协同工作

Neo4j 和 Databricks 在不牺牲治理、安全或性能的前提下,将图智能引入湖仓。开放的集成使团队能够在现有工作流程中迁移数据、跨系统查询,并构建基于可信关系背景的 AI。

Neo4j Spark 连接器

Databricks 湖仓与 Neo4j 知识图谱之间的双向桥梁

将湖仓行数据写入 Neo4j 作为节点和关系

将图数据作为 Spark DataFrames 拉取到 Databricks 中

在 Spark 笔记本和工作流中原生运行

Neo4j MCP 服务器

实现模型上下文协议 (MCP),用于 AI 智能体工具调用

使 Databricks AI 智能体能够连接到 Neo4j 并发现图模式

允许智能体自主运行 Cypher 查询

GraphRAG 与
Databricks 基础模型

将向量搜索与图上下文相结合,以获得更准确的 AI

使用 Databricks 基础模型生成嵌入 (Embeddings)

将文档片段存储为链接到领域实体的图节点

基于文本相似度和互联知识获取答案

应用场景

解决各行业中以关系为驱动的问题

最有价值的 Databricks 工作负载涉及人员、交易、系统和时间之间的复杂关系。Neo4j 能够大规模实现这些以关系为驱动的用例。

欺诈与金融犯罪

识别关系查询难以发现的欺诈团伙、洗钱网络和风险传播路径。

客户 360 与个性化

构建实时客户知识图谱,以推动细分、推荐和互动。

供应链与运营

映射供应商、资产和流程之间的依赖关系,以检测风险并优化弹性。

医疗与生命科学

连接临床数据、试验和本体,以加速研究并将 AI 置于可信的背景中。

生成式 AI 与 AI 应用

利用 GraphRAG 将 Databricks Agent Bricks 植根于互联知识中,以减少幻觉并提供可解释的 AI。

客户案例

Neo4j 和 Databricks 拥有 200 多家共同客户

Intuit 通过 Neo4j 和 Databricks 保护其网络基础设施及 1 亿客户的数据。

邓白氏 (Dun & Bradstreet) 利用 Neo4j 和 Databricks 加速复杂的公司所有权核查。

吉利德科学公司 (Gilead Sciences) 利用 Neo4j 图分析和 Databricks 对抗 4310 亿美元的制药欺诈威胁。

Intuit 通过 Neo4j 和 Databricks 保护其网络基础设施及 1 亿客户的数据。

资源