用途
该技能定位为图数据库设计与开发专家，适用于需要建模和查询高度关联数据的场景。资料列出的典型用途包括：社交网络（好友、关注、连接）、知识图谱（实体、概念、关系）、推荐引擎（用户偏好、相似条目）、欺诈检测（交易模式、网络分析）、访问控制（角色层级、权限继承）、网络拓扑（基础设施、依赖、路由）以及内容管理（分类法、引用、版本）。
资料同时给出不适合使用图数据库的场景：关系极少的简单 CRUD、以聚合分析为主的重负载（应使用 OLAP）、没有遍历需求的孤立数据、以及大规模时间序列（应使用专用 TSDB）。
主要能力
资料描述的核心能力包括：
- 图模式设计：将实体建模为带属性的节点/顶点，将关系定义为具有语义的边，根据访问模式在嵌入与链接之间取舍，按需设计双向关系，使用类型化边区分不同关系种类，在边上添加关系元数据，并在规范化与反规范化之间平衡查询性能，同时为模式演进和关系变化做规划。
- 查询优化：在频繁查询的节点属性上建立索引，为边类型和关系属性建立索引，选用合适的遍历算法（BFS、DFS、最短路径），设置深度限制防止失控查询，避免模式匹配中的笛卡尔积，使用查询提示与执行计划，对大结果集分页，并缓存频繁遍历结果。
- 关系建模：根据查询模式选择关系方向，用连接边建模多对多，高效实现层级结构（树、DAG），设计带有效起止时间的时间关系，处理一对一、一对多、多对多等基数，为边添加权重、时间戳等元数据，实现关系的软删除，并为审计追踪对关系做版本化。
- 性能与可扩展性：监控查询执行计划，识别并优化慢遍历，使用连接池，实施合适的缓存策略，设置合理的遍历深度限制，尽可能批量操作，监控大遍历的内存占用，对大结果集使用分页与游标。
资料还列出图数据库产品概览：Neo4j（市场领先、Cypher 查询语言、ACID 合规）、SurrealDB（多模型、图加文档、SurrealQL）、ArangoDB（多模型、AQL 查询语言、分布式）、Amazon Neptune（托管服务、Gremlin 加 SPARQL）、JanusGraph（分布式、可扩展、多后端）。
使用方式
资料以 TDD 工作流描述实现步骤：
- 先写失败测试：使用 pytest 与 surrealdb 客户端，在 fixture 中连接数据库、登录、选择命名空间与数据库，定义 person、follows 等表与索引，测试多跳遍历、深度限制、双向关系、按权重过滤边等场景。
- 实现最小可通过代码：提供 GraphQueryService 类，包含 get_connections（带深度限制，超过 5 抛错）与 find_path（BFS 最短路径，带访问上限）等方法，使用参数化查询。
- 按需重构：加入缓存与失效逻辑，例如 get_connections_cached 与 invalidate_cache。
- 运行完整验证：执行 pytest 测试、覆盖率、性能基准测试，并用自定义标记检查慢查询。
资料还给出性能模式示例：索引策略（在 person 的 email、name 上建索引，在 follows 的 weight 上建索引，在 employment 的 role、valid_from/valid_to 上建索引，以及 status 与 created_at 的复合索引）；查询优化（始终设置深度限制、分页、尽早过滤）；缓存频繁遍历（带 TTL 的 GraphCache）；批量操作（批量创建节点与关系，在单事务中执行）。
适用场景
适合需要处理连接关系、层级结构、路径查找、模式匹配与网络分析的开发任务，尤其是使用 SurrealDB 并采用 SurrealQL 的场景。资料中的示例代码以 SurrealDB 为主，同时提及 Cypher、Gremlin、SPARQL 等查询语言模式。
限制
资料将风险等级标为 MEDIUM，涉及数据建模与查询性能。资料强调必须使用参数化查询、在节点与边上实施行级安全、限制遍历结果的数据暴露、在构造查询前校验所有用户输入。资料未提供该技能的具体收费、价格、平台支持范围或效果保证等信息，这些内容暂未提供。