Neo4j插件apoc安装及配置(实战经历,一步到位)

Neo4j插件apoc安装及配置(实战经历,一步到位)

目录

apoc插件安装

安装验证

出现的问题


Neo4j版本:Neo4j 5.x
apoc版本:同上对应

Neo4j 4.x版本同样适用

apoc插件安装

1.首先查看Neo4j版本(在Neo4j Desktop或命令行中执行):

CALL dbms.components() YIELD name, versions RETURN versions;

 结果如下:

2.然后去GitHub上下载这个插件

  • 访问 APOC GitHub Releases------------ https://github.com/neo4j/apoc/releases/
  • 下载与Neo4j版本一致的apoc-x.x.x.x-all.jar文件(例如Neo4j 5.12.0 → APOC 5.12.0)

或者点击下载对应的版本(如下图所示)

3.然后放置到插件目录下:

Neo4j 安装路径下的 plugins 文件夹 Neo4j安装目录/plugins/ 例如: C:\Program Files\Neo4j\neo4j-community-5.26.8\plugins\

 

4.最后修改配置文件 (conf/neo4j.conf):

参考官方的技术手册。

在文件中添加下面两行:

# 允许APOC所有函数 dbms.security.procedures.unrestricted=apoc.* # 显式启用apoc.meta.data(),启用元数据函数 dbms.security.procedures.allowlist=apoc.meta.data,apoc.*

5.重启Neo4j服务,然后进行验证。

安装验证

版本匹配:确保您的 Neo4j 版本也是 5.26.x 系列(截图显示 APOC 5.26.8)

在 Neo4j 浏览器执行:

RETURN apoc.version() AS version;

在用户数据库中执行:

CALL apoc.meta.graph() YIELD nodes, relationships RETURN nodes, relationships;

成功标志:返回图谱节点和关系的元数据

出现的问题

如果前面的成功了,但是运行代码的时候初始化失败,也就是安装过程出问题了,网上搜了很久找到了问题的根源:

Neo4j v5 要求所有 APOC 配置必须独立存储在 apoc.conf 文件中,而非主配置文件 neo4j.conf

创建独立的 apoc.conf 文件

  • 在 同一目录 (conf/) 下新建文件 apoc.conf
  • 将原 neo4j.conf 中删除的 APOC 配置移至此文件
# APOC核心配置 apoc.import.file.enabled=true dbms.security.procedures.unrestricted=apoc.*

Read more

【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战

【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战

文章目录 * 前言 * 【30天从零玩转AI应用开发】第2篇:大模型API注册+调用实战(OpenAI/文心一言/通义千问) * 专栏副标题 * 专栏简介 * 摘要 * 关键词 * 前言 * 一、3大主流大模型API对比(新手必看) * 新手选择建议(避坑指南): * 二、API注册+密钥获取(文字版超详细指南) * 2.1 OpenAI注册+密钥获取(含避坑技巧) * 准备工具: * 注册步骤(每一步都标清按钮位置): * 避坑技巧: * 2.2 百度文心一言注册+密钥获取(10分钟搞定) * 准备工具: * 注册步骤: * 关键提醒: * 2.3 阿里通义千问注册+密钥获取 * 准备工具: * 注册步骤: * 三、API调用实战(Python代码可直接复制) * 3.

全开源,自主可控!这款 AI + 无人机一体化平台,多行业刚需场景直接拉满!

全开源,自主可控!这款 AI + 无人机一体化平台,多行业刚需场景直接拉满!

项目地址: https://gitee.com/haishi-tech 引言 低空经济产业化加速推进,无人机行业应用却常被设备管控难、作业效率低、数据碎片化三大痛点卡脖子。专为专业场景打造的亥时无人机系统,以 “智能管理 + AI 监测 + 精准控制” 全流程闭环解决方案,打破行业应用壁垒,成为电力、安防、测绘等专业用户的共同选择! 核心优势:全面开源,成熟可控 系统简介 1. 一体化架构,告别零散适配烦恼亥时无人机系统深度集成设备管理、飞行控制、AI 监测与巡检业务四大核心模块,构建 “端 - 边 - 云” 全链路技术支撑。无需额外开发适配,从设备接入、飞行操控到数据分析、报告生成实现无缝衔接,彻底解决传统方案多系统割裂、数据不通的痛点,让作业流程更顺畅。 1. 2. AI 监测中台,让智能贯穿全流程

斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

目录 * 前言 * 1. Problem (linear): Implementing the linear module (1 point) * 2. Problem (embedding): Implement the embedding module (1 point) * 3. Problem (rmsnorm): Root Mean Square Layer Normalization (1 point) * 4. Problem (positionwise_feedforward): Implement the position-wise feed-forward network (2 points) * 5. Problem (rope): Implement RoPE (2 points) * 6. Problem

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成 你有没有在博物馆里,一边盯着珍贵文物,一边手忙脚乱翻手机查讲解词?或者站在异国展馆前,听不懂导览员的外语解说,只能靠猜?更别提那些中英混杂、带方言口音的现场录音——传统语音转写工具要么卡住不动,要么识别错得离谱。 今天要聊的,不是又一个“理论上能用”的AI模型,而是一个真正跑在本地、开箱即用、专为真实场景打磨过的语音转文字服务。它不靠云端API,不依赖稳定网络,不挑音频格式,甚至能在没有外网的展厅设备上安静运行。它的名字叫SenseVoice Small——但这次,我们把它从实验室搬进了博物馆的玻璃柜之间。 1. 为什么是SenseVoice Small?轻量不等于将就 很多人一听“Small”,下意识觉得是阉割版、凑数款。但SenseVoice Small恰恰相反:它是阿里通义千问团队针对边缘部署和实时交互场景,专门精简优化的语音识别模型。参数量仅约2亿,却在保持95%以上主流语种识别准确率的同时,把单次推理耗时压到300毫秒以内(RTF < 0.15)。 关键不在“