为什么要同时用"向量库 + 图数据库"：互补，而不是重复
很多人会问：既然向量检索能找到相似文本，为啥还要图？
向量库擅长： Qdrant
模糊语义匹配：你换个说法也能召回
召回覆盖广：适合"先捞一批可能相关的"
图数据库擅长： Neo4j
精确关系查询：谁-是什么、谁-属于哪个项目、A和B的关系路径
可解释、多跳推理：能给出结构化依据
约束查询：比如"只要与张三相关、且是技能/职业类信息"
组合起来常见范式：
向量先召回（解决"找得到"）
图再约束/补全/推理（解决"说得准、讲得清楚"）
Embedding：把文本翻译成"语义坐标" 阿里百炼text-embedding-v3
Qdrant：用这些坐标做"语义相似检索"，即向量数据库（记忆 & RAG 都用）
Neo4j：把抽取出的实体关系做成"可查询的知识图谱"（记忆更常用）
（比如从一句话里抽出 人名、职业、技术栈、项目名 等），然后写成图结构：
举个你这句最典型的图表示：
节点：(Person: 张三)、(Role: Python开发者)
边：(张三)-:IS_A->(Python开发者)
后续你问：
"我叫什么？" → 图里直接查 (Person) 的 name
"我会什么？" → 图里沿着关系扩展查技能/角色/项目
"张三和Python有什么关系？" → 图路径解释更自然
Neo4j 的核心价值：
把"可明确表达为关系"的信息，变成可查询、可约束、可解释的结构
支持多跳扩展：比如 人 -> 技能 -> 项目 -> 文档 这种链路