WeKnora RAG 知识库上手指南四步搭出你的企业文档问答系统【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnoraWeKnora 是一款开源的 LLM 知识平台WeKnora RAG 知识库是它的核心载体把散落的文档变成可查询的知识体系再延伸出推理 Agent 与自维护 Wiki。如果你的痛点是文档多、查得慢、答案难考证本文按使用场景、内部机制、部署流程的顺序把这套系统讲清楚。WeKnora 是什么RAG 知识库、Agent 与自维护 Wiki一句话定位它解决大模型如何基于你自己的文档作答的问题——先把文档索引进来回答时再凭据检索、附带出处。在这个地基上产品分为三层能力覆盖日常查询到复杂任务RAG 快速问答对知识库内文档做检索增强生成答案中的引用角标可点回原文片段方便核对ReAct Agent模型自主决定多轮检索、联网搜索与工具调用含 MCP 远程工具、Docker/E2B/Cube 技能沙箱能完成查资料、读技能、写脚本、产出文件这类多步任务Wiki 模式Agent 把原始文档蒸馏成相互链接的 Markdown 页面和可视化知识图谱页面支持人工编辑、行级 diff 与一键回滚多数据源同步飞书知识库/云盘、GitLab、Notion、语雀、腾讯 IMA、RSS 等可增量或全量自动同步免去反复上传十余种文档格式PDF、Word、Excel、PPT、图片、XMind 等均可入库文件夹上传还会保留目录结构。WeKnora 文档问答的典型使用场景企业文档问答。当产品手册、运维手册、制度文件散落在共享盘新人提问只能靠翻群聊记录时可以把这些文档建成一个文档型知识库。树形文件夹视图保留了上传时的目录结构检索分块还可以在界面上直接编辑、比对版本并回滚答错的地方改完自动重建索引。IM 机器人接入。让同事用起来最省事的方式不是让他们打开一个新网站而是把机器人放进已在使用的聊天工具。企业微信、飞书、钉钉、Slack、Telegram 等十个渠道在「设置 → IM 集成」中配置凭据、绑定一个 Agent 后启用群里 机器人即可提问走的是与网页端同一套问答流水线机器人也支持收文件入库和/help等命令。API 与插件集成。开发者可以用细粒度授权的 API Key 把问答能力接进自己的业务系统或通过官方 MCP 服务器29 个工具支持 stdio/SSE/HTTP挂到第三方客户端想对公众开放则可用网页嵌入 Widget 把 Agent 发布到外部站点带域名白名单与限流。WeKnora 工作原理速览把链路串起来看是这样一段话文档上传后由独立的 docreader 解析服务识别内容多引擎覆盖 OCR、Office、HTML/EPUB 等切成语义完整的分块再经嵌入模型转为向量存入向量库需要时还会抽取实体构建知识图谱提问时查询先结合上下文改写随后走关键词BM25 向量双路混合检索可选 Rerank 重排筛掉噪声片段最后交给对话模型生成带引用的回答Agent 模式则在此基础上多一个循环——模型判断当前证据是否足够不够就继续检索或调用工具直到给出最终结论。模型、向量库、对象存储各组件均可替换支持本地与私有云部署。WeKnora 部署步骤获取代码git clone https://gitcode.com/GitHub_Trending/we/WeKnora然后进入仓库目录启动服务先cp .env.example .env并补全数据库密码等必填项再执行docker compose pull docker compose up -d需要知识图谱、MinIO、Langfuse 追踪时按需追加--profile参数接入模型打开http://localhost注册账号新建知识库时向导会引导你选一个对话模型和一个向量模型——本地 Ollama 或任意 OpenAI 兼容 API 都可以注意向量模型建库后更换需要重建索引上传文档并提问拖入文件或粘贴网页 URL解析完成后在对话页选库提问看到带引用的回答即闭环跑通。资源紧张或个人离线使用可改用 Lite 单二进制内嵌 SQLite无 Docker 依赖入口见 website-docs/ 的部署形态对比。进一步阅读website-docs/官方文档站覆盖快速开始、架构、功能、API约 360 个端点与客户端六大板块docs/分块机制、数据源导入、沙箱协议等设计与排障文档internal/Go 后端核心源码Agent 引擎在internal/agent/IM 集成在internal/im/cli/官方命令行工具适合在终端或 CI 中驱动整套 API。部署跑通后建议先拿一个真实的业务文档目录试问三个问题——答案的引用质量会直接告诉你该调模型还是调分块参数。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 WeKnora RAG 知识库上手指南：四步搭出你的企业文档问答系统
WeKnora RAG 知识库上手指南四步搭出你的企业文档问答系统【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnoraWeKnora 是一款开源的 LLM 知识平台WeKnora RAG 知识库是它的核心载体把散落的文档变成可查询的知识体系再延伸出推理 Agent 与自维护 Wiki。如果你的痛点是文档多、查得慢、答案难考证本文按使用场景、内部机制、部署流程的顺序把这套系统讲清楚。WeKnora 是什么RAG 知识库、Agent 与自维护 Wiki一句话定位它解决大模型如何基于你自己的文档作答的问题——先把文档索引进来回答时再凭据检索、附带出处。在这个地基上产品分为三层能力覆盖日常查询到复杂任务RAG 快速问答对知识库内文档做检索增强生成答案中的引用角标可点回原文片段方便核对ReAct Agent模型自主决定多轮检索、联网搜索与工具调用含 MCP 远程工具、Docker/E2B/Cube 技能沙箱能完成查资料、读技能、写脚本、产出文件这类多步任务Wiki 模式Agent 把原始文档蒸馏成相互链接的 Markdown 页面和可视化知识图谱页面支持人工编辑、行级 diff 与一键回滚多数据源同步飞书知识库/云盘、GitLab、Notion、语雀、腾讯 IMA、RSS 等可增量或全量自动同步免去反复上传十余种文档格式PDF、Word、Excel、PPT、图片、XMind 等均可入库文件夹上传还会保留目录结构。WeKnora 文档问答的典型使用场景企业文档问答。当产品手册、运维手册、制度文件散落在共享盘新人提问只能靠翻群聊记录时可以把这些文档建成一个文档型知识库。树形文件夹视图保留了上传时的目录结构检索分块还可以在界面上直接编辑、比对版本并回滚答错的地方改完自动重建索引。IM 机器人接入。让同事用起来最省事的方式不是让他们打开一个新网站而是把机器人放进已在使用的聊天工具。企业微信、飞书、钉钉、Slack、Telegram 等十个渠道在「设置 → IM 集成」中配置凭据、绑定一个 Agent 后启用群里 机器人即可提问走的是与网页端同一套问答流水线机器人也支持收文件入库和/help等命令。API 与插件集成。开发者可以用细粒度授权的 API Key 把问答能力接进自己的业务系统或通过官方 MCP 服务器29 个工具支持 stdio/SSE/HTTP挂到第三方客户端想对公众开放则可用网页嵌入 Widget 把 Agent 发布到外部站点带域名白名单与限流。WeKnora 工作原理速览把链路串起来看是这样一段话文档上传后由独立的 docreader 解析服务识别内容多引擎覆盖 OCR、Office、HTML/EPUB 等切成语义完整的分块再经嵌入模型转为向量存入向量库需要时还会抽取实体构建知识图谱提问时查询先结合上下文改写随后走关键词BM25 向量双路混合检索可选 Rerank 重排筛掉噪声片段最后交给对话模型生成带引用的回答Agent 模式则在此基础上多一个循环——模型判断当前证据是否足够不够就继续检索或调用工具直到给出最终结论。模型、向量库、对象存储各组件均可替换支持本地与私有云部署。WeKnora 部署步骤获取代码git clone https://gitcode.com/GitHub_Trending/we/WeKnora然后进入仓库目录启动服务先cp .env.example .env并补全数据库密码等必填项再执行docker compose pull docker compose up -d需要知识图谱、MinIO、Langfuse 追踪时按需追加--profile参数接入模型打开http://localhost注册账号新建知识库时向导会引导你选一个对话模型和一个向量模型——本地 Ollama 或任意 OpenAI 兼容 API 都可以注意向量模型建库后更换需要重建索引上传文档并提问拖入文件或粘贴网页 URL解析完成后在对话页选库提问看到带引用的回答即闭环跑通。资源紧张或个人离线使用可改用 Lite 单二进制内嵌 SQLite无 Docker 依赖入口见 website-docs/ 的部署形态对比。进一步阅读website-docs/官方文档站覆盖快速开始、架构、功能、API约 360 个端点与客户端六大板块docs/分块机制、数据源导入、沙箱协议等设计与排障文档internal/Go 后端核心源码Agent 引擎在internal/agent/IM 集成在internal/im/cli/官方命令行工具适合在终端或 CI 中驱动整套 API。部署跑通后建议先拿一个真实的业务文档目录试问三个问题——答案的引用质量会直接告诉你该调模型还是调分块参数。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考