YiGraph Windows 本地部署指南
本指南详细介绍了如何在 Windows 系统（CPU 环境） 本地部署 YiGraph 系统。YiGraph 官方文档主要面向 Linux 环境，本指南针对 Windows 平台特有的问题进行了详细说明，并提供了经过验证的解决方案。
目录
环境要求
操作系统
- Windows 10 / Windows 11（本指南基于 Windows 11 验证）
硬件
- CPU 环境：本指南针对无 NVIDIA GPU 的环境进行编写
- 内存：建议至少 16GB 可用内存
- 磁盘空间：建议至少 20GB 可用磁盘空间
软件
- Python：3.11 版本（推荐使用 conda 管理环境）
- Java：OpenJDK 11（Neo4j 3.5.25 需要）
- Docker Desktop：用于运行 Milvus 向量数据库（Windows 环境必需）
- Git：用于克隆源码
前置依赖安装
1. 安装 Python 环境（使用 conda）
如果你还没有安装 conda，可以下载安装 Miniforge3。
# 创建虚拟环境
conda create -n AAG python=3.11
# 激活环境
conda activate AAG
2. 安装 Java 11
Windows 特殊问题：Windows 系统默认不包含 Java，必须手动安装。
Neo4j 3.5.25 需要 Java 11 才能运行。推荐安装 Adoptium OpenJDK 11：
- 访问 Adoptium OpenJDK 11 下载页面
- 下载 Windows x64 版本的安装程序
- 运行安装程序，按照提示完成安装
- 验证安装：
java -version
应该看到类似输出版本信息：
openjdk version "11.0.xx"
OpenJDK Runtime Environment Temurin-11.0.x
OpenJDK 64-Bit Server VM Temurin-11.0.x
下载源码
git clone https://github.com/iDC-NEU/YiGraph.git
cd YiGraph
修改依赖列表
Windows 特殊问题：requirements.txt 中包含多个仅 Linux 支持的包，必须注释掉才能安装。
打开 requirements.txt 文件，找到以下行并全部注释掉（在行首添加 #）：
从 nvidia-cuda-cupti-cu12 开始到 triton 结束，一共 14 行：
# nvidia-cuda-cupti-cu12==12.1.105
# nvidia-cuda-nvrtc-cu12==12.1.105
# nvidia-cuda-runtime-cu12==12.1.105
# nvidia-cudnn-cu12==8.9.2.26
# nvidia-cublas-cu12==12.1.3.1
# torch-scatter==2.1.1
# torch-sparse==0.6.18
# torch-cluster==1.6.3
# torch-spline-conv==1.2.2
# torch_geometric==2.4.0
# pyg-lib==0.3.0
# fa2-cython==0.3.1
# pynvml==11.5.0
# triton==2.1.0
然后，找到 milvus-lite==2.5.1 这一行，也注释掉：
# milvus-lite==2.5.1
说明：所有 NVIDIA CUDA 加速包和 milvus-lite 都只支持 Linux 系统，不支持 Windows。对于 CPU 环境，这些包不是必需的。Milvus 需要通过 Docker 在 Windows 上运行。
安装 Python 依赖
pip install -r requirements.txt
修复 pkg_resources 模块缺失问题
Windows 特殊问题：新版本 setuptools 移除了
pkg_resources，会导致启动错误。
如果遇到 ModuleNotFoundError: No module named 'pkg_resources' 错误，需要降级 setuptools：
pip install setuptools==65.6.0
安装 CPU 版本 PyTorch
Windows 特殊问题：默认安装的 PyTorch 是 CUDA 版本，如果没有 NVIDIA GPU，需要重新安装 CPU 版本。
# 卸载现有的 torch
pip uninstall torch -y
# 安装 CPU 版本
pip install torch --index-url https://download.pytorch.org/whl/cpu
配置 Neo4j 图数据库
1. 下载 Neo4j 3.5.25
YiGraph 需要 Neo4j 3.5.25 版本。官方网站旧版本不易找到，可直接使用以下链接下载：
下载完成后，解压到你想要的目录，例如：D:\neo4j\neo4j-community-3.5.25
2. 配置 Neo4j
进入 conf 目录，打开 neo4j.conf 文件，修改/添加以下配置：
dbms.connectors.default_listen_address=0.0.0.0
dbms.connectors.default_advertised_address=localhost
dbms.connector.bolt.listen_address=0.0.0.0:7687
dbms.connector.http.listen_address=0.0.0.0:7474
dbms.connector.https.enabled=true
3. 启动 Neo4j
以管理员身份打开 PowerShell，进入 Neo4j 的 bin 目录：
cd D:\neo4j\neo4j-community-3.5.25\bin
# 启动 Neo4j（控制台模式，可以看到日志）
.\neo4j.bat console
或者，安装为 Windows 服务后台运行：
.\neo4j.bat install-service
.\neo4j.bat start-service
4. 修改默认密码
- 打开浏览器访问
http://localhost:7474 - 默认用户名：
neo4j，默认密码：neo4j - 登录后按照提示修改密码，记住你的新密码
- 在 YiGraph 配置中使用这个用户名和密码
配置 Milvus 向量数据库
Windows 特殊问题：milvus-lite 不支持 Windows，必须使用 Docker 运行 Milvus 服务。
1. 安装 Docker Desktop
下载并安装 Docker Desktop for Windows，安装完成后启动 Docker。
2. 创建 Milvus 配置文件
创建一个目录用于存放 Milvus 配置，例如 D:\milvus，在该目录下创建 docker-compose.yml 文件：
version: '3.5'
services:
etcd:
container_name: milvus-etcd
image: quay.io/coreos/etcd:v3.5.0
environment:
- ETCD_AUTO_COMPACTION_MODE=revision
- ETCD_AUTO_COMPACTION_RETENTION=1000
- ETCD_QUOTA_BACKEND_BYTES=4294967296
volumes:
- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/etcd:/etcd
command: etcd -advertise-client-urls=http://0.0.0.0:2379 -listen-client-urls http://0.0.0.0:2379 --data-dir /etcd
healthcheck:
test: ["CMD", "etcdctl", "endpoint", "health"]
interval: 30s
timeout: 20s
retries: 3
minio:
container_name: milvus-minio
image: minio/minio:RELEASE.2023-03-20T20-16-18Z
environment:
MINIO_ACCESS_KEY: minioadmin
MINIO_SECRET_KEY: minioadmin
ports:
- "9001:9001"
- "9000:9000"
volumes:
- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/minio:/minio_data
command: minio server /minio_data --console-address ":9001"
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
interval: 30s
timeout: 20s
retries: 3
standalone:
container_name: milvus-standalone
image: milvusdb/milvus:v2.5.1
command: ["milvus", "run", "standalone"]
security_opt:
- seccomp:unconfined
environment:
ETCD_ENDPOINTS: etcd:2379
MINIO_ADDRESS: minio:9000
volumes:
- ${DOCKER_VOLUME_DIRECTORY:-.}/volumes/milvus:/var/lib/milvus
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:9091/healthz"]
interval: 30s
start_period: 90s
timeout: 20s
retries: 3
ports:
- "19530:19530"
- "9091:9091"
depends_on:
- "etcd"
- "minio"
networks:
default:
name: milvus
3. 启动 Milvus
在 D:\milvus 目录下打开 PowerShell，执行：
docker-compose up -d
首次启动会下载镜像，需要等待几分钟。启动完成后，可以用以下命令查看状态：
docker ps
应该看到 milvus-standalone、milvus-etcd、milvus-minio 三个容器都在运行。
配置 LLM API
编辑配置文件 config/engine_config.yaml，配置你的 LLM API 信息。
火山引擎 Coding Plan 示例配置
如果你使用火山引擎的 Coding Plan 服务，配置如下：
reasoner:
llm:
provider: "openai"
openai:
base_url: "https://ark.cn-beijing.volces.com/api/coding/v3/"
api_key: "你的API Key"
model: "ark-code-latest" # 或者其他可用模型名称
重要提示：
base_url末尾必须加上斜杠/，否则请求会失败。
OpenAI 示例配置
reasoner:
llm:
provider: "openai"
openai:
base_url: "https://api.openai.com/v1/"
api_key: "你的API Key"
model: "gpt-4o-mini"
配置向量数据库连接
在同一个配置文件中，确认 Milvus 连接配置：
retrieval:
database:
vector:
host: "localhost"
port: 19530
这个配置一般不需要修改，除非你修改了 Milvus 的默认端口。
配置 Embedding 设备
修改 embedding 设备为 cpu：
retrieval:
embedding:
model_name: "BAAI/bge-large-zh-v1.5"
device: "cpu" # 这里改为 cpu
启动服务验证
1. 确认所有服务正在运行
- Neo4j 服务已启动（http://localhost:7474 可以访问）
- Milvus Docker 容器正在运行（端口 19530 已监听）
2. 激活 conda 环境
conda activate AAG
3. 启动 YiGraph Web 服务
cd YiGraph
python web/frontend/run.py
启动成功后，终端会输出类似：
* Running on http://0.0.0.0:5000
打开浏览器访问 http://localhost:5000，应该能看到 YiGraph 的 Web 界面。
4. 测试分析功能
- 选择数据集 AMLSim1K
- 输入一个测试问题，例如："请帮我分析这个交易网络中最重要的前 10 个账户"
- 点击发送，观察系统执行流程
如果系统能够完整执行分析，生成 DAG 可视化，并输出分析结果，说明部署成功！🎉
成功部署验证标准
以下是部署成功的标志：
✅ 所有依赖服务正常运行
- Neo4j 图数据库 - 运行正常
- Milvus 向量数据库 (Docker) - 运行正常
- MCP NetworkX 计算引擎 - 启动成功
- LLM API - 调用成功
✅ 核心分析流程打通
- 问题路由分类正常
- DAG 构建成功，前端可视化正常
- 算法选择正常
- 依赖分析正常
- 步骤顺序执行正常
- 最终可以输出分析结果
YiGraph 成功在 Windows CPU 本地环境部署运行 🎉
致谢
本部署指南基于实际踩坑经验整理，感谢社区贡献者的测试与反馈。