Semantic Query · Graphify

Semantic Query Skill

Semantic Query 是 Graphify 中最重要的查詢型 skills 之一，專注於使用自然語言查詢知識圖譜，無需學習 Cypher 或 Gremlin 等查詢語言。

何時使用

在以下情況中使用 Semantic Query skill：

✅ 需要使用的情境：

想要探索圖譜中的知識
需要回答複雜的關係問題
想要發現隱藏的知識關聯
不熟悉圖譜查詢語言的使用者

❌ 不適合的情境：

需要精確控制查詢執行計畫
對效能有極端要求的場景
需要直接操作圖譜資料庫

查詢流程

第一步：理解問題意圖

識別使用者的查詢意圖：

// 輸入問題
"誰參與了 Graphify 專案？"

// 識別意圖
{
  "intent": "query_participants",
  "target": "Graphify",
  "entity_type": "Person",
  "relationship": "WORKS_ON"
}

第二步：轉換為圖譜查詢

將自然語言轉為圖譜查詢：

// 生成的 Cypher 查詢
MATCH (p:Person)-[:WORKS_ON]->(pr:Project {name: 'Graphify'})
RETURN p.name, p.role

第三步：組織回覆

將查詢結果用自然語言回覆：

根據圖譜查詢結果，參與 Graphify 專案的人員有：
1. 張三 - 核心開發者，負責後端
2. 李四 - 前端工程師，負責 UI
3. 王五 - 專案經理

如何使用 Semantic Query Skill

觸發詞

「使用 semantic-query skill 查詢圖譜」

實際範例

使用者輸入：

使用 semantic-query skill 查詢：Graphify 專案依賴哪些技術？

AI 回應：

正在使用 Semantic Query skill 查詢...

**查詢意圖**：
- 目標：Graphify 專案
- 關係：DEPENDS_ON
- 實體類型：Technology

**執行的圖譜查詢**：
```cypher
MATCH (p:Project {name: 'Graphify'})-[:DEPENDS_ON]->(t:Technology)
RETURN t.name, t.category

查詢結果：根據圖譜查詢，Graphify 專案依賴以下技術：

LLM - 類別：AI/ML 用途：知識提取與理解
Neo4j - 類別：Database 用途：圖譜資料庫
React - 類別：Frontend 用途：前端介面
FastAPI - 類別：Backend 用途：API 服務


---

## 查詢類型

### 1. 簡單關係查詢

查詢直接關係：

```bash
# 問：「誰參與了 X 專案？」
graphify query "誰參與了 Graphify 專案？"

# 問：「X 依賴什麼？」
graphify query "Graphify 依賴哪些技術？"

2. 多跳查詢

查詢間接關係：

# 問：「張三參與的專案中，哪些使用了 Neo4j？」
graphify query "張三參與的專案中，哪些使用了 Neo4j？"

# 內部執行：
# 1. 找出張三參與的專案
# 2. 找出這些專案使用的技術
# 3. 過濾出使用 Neo4j 的專案

3. 聚合查詢

統計與分組：

# 問：「有多少人參與了超過 3 個專案？」
graphify query "有多少人參與了超過 3 個專案？"

# 問：「最常見的技術棧是什麼？」
graphify query "最常見的技術棧是什麼？"

4. 條件查詢

帶條件的查詢：

# 問：「找出所有使用 React 且人數超過 3 人的專案」
graphify query "找出所有使用 React 且人數超過 3 人的專案"

# 問：「哪些專案沒有明確的負責人？」
graphify query "哪些專案沒有明確的負責人？"

查詢技巧

技巧一：明確查詢目標

好的查詢：

graphify query "列出所有參與 Graphify 專案的前端工程師"

模糊的查詢：

graphify query "關於前端的人"  # 可能返回意外結果

技巧二：使用上下文

利用前後查詢的上下文：

# 第一輪：廣泛查詢
graphify query "所有專案的技術架構"

# 第二輪：深入細節
graphify query "其中 LLM 的作用是什麼？"

技巧三：迭代優化

逐步優化查詢：

# 第一次：廣泛查詢
graphify query "列出所有專案"

# 第二次：過濾
graphify query "其中使用 React 的專案"

# 第三次：聚焦
graphify query "React 專案中哪些是最活躍的？"

處理複雜查詢

場景一：影響分析

# 問題：「若 user-service 採用新的認證協議，會影響哪些專案？」

# 查詢過程：
1. 找出 user-service 的所有依賴者
2. 找出這些依賴者的依賴者（間接影響）
3. 識別受影響的人員和團隊
4. 評估影響程度

# 回覆：
直接影響：mobile-app, admin-portal
間接影響：external-clients（透過 mobile-app）
需要通知：mobile-app 團隊（李華）、admin-portal 團隊（王偉）

場景二：缺口分析

# 問題：「哪些技術應該採用但尚未採用？」

# 查詢過程：
1. 識別業界標準技術
2. 比較當前圖譜中的技術
3. 找出缺失的技術

# 回覆：
建議採用但尚未使用的技術：
- Docker（容器化）
- GitHub Actions（CI/CD）
- Prometheus（監控）

場景三：推薦查詢

# 問題：「基於我的專案技術棧，有什麼建議？」

# 查詢過程：
1. 分析當前技術棧
2. 找出相似專案
3. 推薦他們使用但尚未使用的技術

# 回覆：
基於你的技術棧（React + Node.js），建議考慮：
- Next.js（SSR 優化）
- TypeScript（類型安全）
- Prisma（ORM）

常見問題

Q1：查詢沒有返回結果？

A：可能的原因：

圖譜中沒有相關資料 → 先執行提取
查詢詞彙與實體名稱不匹配 → 嘗試同義詞
查詢條件過嚴 → 放寬條件

Q2：查詢結果不準確？

A：可以：

使用更明確的查詢詞
檢查圖譜中的資料是否正確
調整 LLM 溫度參數

Q3：查詢速度太慢？

A：

限制查詢深度
使用索引
考慮圖譜分片