# neo4j-document-import-skill

Скилл для загрузки PDF, HTML, Markdown и JSON в Neo4j в виде графа знаний. Пригодится, когда нужно разбить документы на чанки и вытащить из текста сущности и связи.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 923 установки · ★ 116
- Автор: neo4j-contrib
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/neo4j-contrib/neo4j-skills/tree/HEAD/neo4j-document-import-skill/SKILL.md
- Обновлён: 2026-10-21
- HTML: https://affpapa.org/nevibecode/skills/neo4j-document-import-skill

## Что делает

Скилл подсказывает агенту, как превратить неструктурированные документы в граф знаний Neo4j. Он покрывает разбиение PDF, HTML, простого текста и Markdown на чанки, извлечение сущностей и связей через LLM, загрузку JSON через `apoc.load.json` и построение структур Document→Chunk→Entity. Есть таблица выбора подхода: веб-интерфейс LLM Graph Builder без кода, программный `SimpleKGPipeline` из `neo4j-graphrag`, `apoc.load.json` для ответов REST API, а также связка с загрузчиками документов LangChain и LlamaIndex.

Схему графа задают до сборки пайплайна, потому что она управляет тем, что именно извлекает LLM. Простой вариант — списки сущностей и связей, где описания выводит модель. Для продакшена предлагается `GraphSchema` с типами узлов, свойств и ограничений. Есть режимы `EXTRACTED` и `FREE`, но в исходнике они помечены как более шумные.

Для работы нужен Python 3.10 и новее, драйвер `neo4j>=5.17.0` и сам Neo4j версии не ниже 5.18.1. Пакет ставится как `pip install neo4j-graphrag`, а под конкретного провайдера — с extras: `neo4j-graphrag[openai]`, `[anthropic]`, `[google]`, `[bedrock]`, `[ollama]`, `[mistralai]`. Резолвер сущностей на spaCy работает только на Python 3.13 и ниже, на 3.14 и выше он не поддерживается. Структурированный импорт CSV и реляционных данных, поиск GraphRAG после загрузки и создание векторных индексов скилл не делает — для этого в наборе есть отдельные скиллы.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add neo4j-contrib/neo4j-skills --skill neo4j-document-import-skill -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/neo4j-document-import-skill/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/neo4j-document-import-skill/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add neo4j-contrib/neo4j-skills --skill neo4j-document-import-skill -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/neo4j-document-import-skill/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add neo4j-contrib/neo4j-skills --skill neo4j-document-import-skill -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/neo4j-document-import-skill/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install neo4j-contrib/neo4j-skills neo4j-document-import-skill
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/neo4j-document-import-skill/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add neo4j-contrib/neo4j-skills --skill neo4j-document-import-skill -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/neo4j-contrib/neo4j-skills --path neo4j-document-import-skill
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/neo4j-document-import-skill/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add neo4j-contrib/neo4j-skills --skill neo4j-document-import-skill -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/neo4j-contrib/neo4j-skills/tree/HEAD/neo4j-document-import-skill/SKILL.md

## Когда брать
- загрузить PDF в Neo4j как граф знаний
- разбить документы на чанки и сохранить узлы `:Chunk` с эмбеддингами
- вытащить сущности и связи из текста через LLM
- загрузить JSON из ответа API через `apoc.load.json`
- подключить загрузчики документов LangChain или LlamaIndex к Neo4j

## Примеры запросов агенту
- Разбери `report.pdf` на чанки и собери граф знаний в Neo4j со схемой Person, Organization, WORKS_AT
- Настрой `SimpleKGPipeline` из `neo4j-graphrag` для загрузки Markdown-файлов с извлечением сущностей
- Загрузи JSON-ответ API в Neo4j через `apoc.load.json` и свяжи записи с существующими узлами

## Похожие
- [xlsx](https://affpapa.org/nevibecode/skills/xlsx.md) — скилл · 187223 установки
- [google-agents-cli-observability](https://affpapa.org/nevibecode/skills/google-agents-cli-observability.md) — скилл · 511300 установок
- [caveman-evidence-review](https://affpapa.org/nevibecode/skills/caveman-evidence-review.md) — скилл · 104500 установок
- [migration](https://affpapa.org/nevibecode/skills/migration.md) — скилл · 103900 установок
- [performance-optimization](https://affpapa.org/nevibecode/skills/performance-optimization.md) — скилл · 65200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

Из того же набора: [neo4j-contrib/neo4j-skills](https://affpapa.org/nevibecode/by/neo4j-contrib/neo4j-skills.md) — 27 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md