设计与开发：
负责设计与实现基于Neo4j的Agent检索系统
将Agent交互产生的信息（如用户偏好、会话历史、决策链条）结构化地存储到图数据库中
利用图结构设计Agent的“反思”机制，帮助Agent从历史经验中学习
图数据库与Agent集成：
使用Neo4j作为Agent的核心知识源和推理引擎，处理需要多跳推理的复杂查询
编写高效的Cypher查询语句，从复杂的关联数据中为Agent实时提取路径和模式
构建“图增强检索”（Graph-enhanced RAG）流程，将向量检索与图关系检索相结合，大幅提升信息检索的准确性和可解释性
系统优化：
设计和优化Neo4j的数据模型（节点、关系、属性），以最佳方式支持Agent的推理需求
保证图数据库在高并发访问下的性能和稳定性