memgraph
高性能内存图数据库，为AI应用和实时分析提供图引擎。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：memgraph。 它的用途是：高性能内存图数据库，为AI应用和实时分析提供图引擎。 完整的 Skill 内容见：https://321skill.com/skills/memgraph/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我设计一个基于Memgraph的欺诈检测系统架构，需要实时分析交易网络中的异常模式。” 它会引导你设计图数据模型，推荐使用社区检测和路径分析算法，并给出实时数据摄入和查询的Cypher示例。或者，你可以说：“我想用Memgraph为我的AI客服构建一个记忆系统，记录用户对话的上下文关联。” 它会解释如何将对话建模为图，并利用向量搜索快速关联历史会话。
介绍
Memgraph是一个高性能、内存式的图数据库，旨在解决需要实时处理复杂关联数据的场景。它能够将图遍历与向量、文本相似性搜索结合在单个原子查询中，避免了传统方案中多个系统拼接的复杂性和延迟。
用户可以通过其兼容Neo4j的Cypher查询语言直接操作图数据，并利用内置的MAGE算法库进行图分析，或通过AI工具包快速构建GraphRAG、AI记忆体等智能应用。它支持从多种数据源（如Kafka、S3、Parquet文件）实时导入数据，并提供Python、Rust等语言的扩展模块。
该工具非常适合需要处理高度关联、动态变化数据的后端开发、数据分析师和智能体开发者。例如，构建实时推荐系统、欺诈检测平台或为AI智能体提供结构化记忆和上下文检索。
建议在需要亚毫秒级多跳遍历和实时图分析的场景中使用。由于其是内存数据库，需确保有足够RAM来容纳工作数据集。对于纯文档存储或简单键值查询，可能有更轻量的选择。
核心特点
将向量/文本相似性搜索与完整的图遍历能力原生集成在单一查询层中，实现了真正的“原子GraphRAG”，避免了跨系统拼接的复杂性和性能损耗。同时，其C/C++编写的内存引擎提供了经过验证的亚毫秒级遍历性能。
注意事项
作为内存数据库，其性能优势高度依赖充足的内存容量，不适合处理远超内存容量的超大规模图数据。
常见问题
Memgraph和Neo4j兼容吗？
完全兼容，支持Neo4j的Cypher查询语言，迁移成本低。
Memgraph适合做AI应用吗？
非常适合，提供原子GraphRAG、向量索引、AI工具包等专门为AI智能体和知识检索设计的功能。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/memgraph/raw/index.md 读取 memgraph 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/memgraph/raw/index.md（查看排版版本）