Tencent GitHub avatar

WeKnora

Go
大模型知识平台Tencent最近推送 2026年11月18日
RAG 与知识库NOASSERTION37.8k5,2511,012 issues7 天 +554

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

腾讯开源的知识管理框架,把文档变成可问答的 RAG、Agent 和 Wiki。

WeKnora 是腾讯开源的 LLM 知识平台,用 Go 编写,面向企业文档理解、语义检索与推理。它把团队文档集中起来,提供 RAG 问答、多步任务 Agent 和自动维护的 Wiki 三种用法,三者共用同一批知识库。

推荐指数

4.0

功能完整、生态集成多,适合需要私有化知识问答平台的团队,但部署与运维有一定门槛。

近 7 天

+554

新增 Star

总 Star 排名

#167

雷达追踪的 3,958 个 AI 仓库中

创建于

2025

2025年7月22日

核心亮点

  • 1三种用法

    RAG 检索问答、Agent 多步任务、Wiki 知识整理共用同一知识库。

  • 2数据源丰富

    支持飞书、Confluence、Notion、语雀、GitLab 等自动同步。

  • 3模型可换

    内置 29 家模型厂商,含 OpenAI、DeepSeek、通义、Ollama 等。

  • 4权限与运维

    多工作区 RBAC、审计日志、任务队列面板和 Langfuse 追踪。

  • 5多渠道接入

    可在企业微信、飞书、Slack 等 IM 中问答,并提供 MCP Server。

适用场景

  • 企业内部知识问答

    例如:把产品文档和 FAQ 导入知识库,员工在飞书里直接提问并看到引用出处。

  • 多步资料处理

    例如:让 Agent 在沙箱中运行脚本,从多个文档中汇总数据并生成报告。

  • 文档整理成 Wiki

    例如:把散落的 PDF、Word 自动整理成带知识图谱、可回滚的 Wiki 页面。

  • 外部网站客服

    例如:用嵌入组件把知识库问答挂到官网,回答用户常见问题。

它是怎么工作的

  1. 第 1 步

    导入文档

    上传 PDF、Word、图片等格式,或从飞书、Notion 等数据源自动同步。

  2. 第 2 步

    解析与切分

    解析文档内容并切分为检索块,支持编辑、对比和回滚。

  3. 第 3 步

    向量化检索

    用嵌入模型建立索引,通过混合检索和重排序找到相关内容。

  4. 第 4 步

    生成回答

    由所选 LLM 基于检索结果作答,并给出引用来源。

  5. 第 5 步

    Agent 与 Wiki

    Agent 调用工具和沙箱完成多步任务,Wiki 把文档组织成结构化知识。

快速上手

  1. 1

    准备环境

    安装 Docker 与 Docker Compose,准备模型 API Key。

  2. 2

    启动服务

    按 README 的 Docker Compose 方式拉起整套服务。

  3. 3

    配置模型

    在界面中选择模型厂商并填入密钥,或接入本地 Ollama。

  4. 4

    建库试用

    创建知识库、上传文档,然后开始问答或使用 Agent。

适合谁

  • 需要私有化部署知识问答的企业团队
  • 要统一管理多来源文档的知识管理员
  • 希望把 RAG 与 Agent 结合使用的开发者

不太适合

  • 只想跑一个轻量问答 Demo 的个人
  • 不愿维护 Docker 与模型配置的用户

成熟度

  • 活跃度2025 年 7 月创建,2026 年 11 月仍有推送,star 超 3.7 万。
  • 文档有官网、文档站和多语言 README,但快速上手命令在摘录中不完整。
  • 社区fork 超 5000,但未关闭 issue 约 972 个,维护压力较大。
  • 上手难度依赖 Docker、模型和存储配置,功能多,上手成本不低。

同类项目怎么选

  • Dify偏应用编排与工作流搭建,WeKnora 更聚焦文档知识库与 Wiki。
  • RAGFlow同样做 RAG 文档问答,WeKnora 额外提供 Agent 沙箱和 Wiki 模式。
  • AnythingLLM更轻量的个人知识库工具,WeKnora 面向多租户企业场景。

使用前注意

  • · 许可证字段为 NOASSERTION,README 标注 MIT,使用前需核对 LICENSE 文件。
  • · 功能较多,部署需要配置模型、向量库和存储,运维成本不低。
  • · 部分数据源同步和 IM 接入依赖第三方平台账号与授权。
  • · Agent 沙箱和浏览器操作涉及权限与安全,需评估隔离策略。

主题标签

agentagenticaigolangllmollamaragchatbotgenerative-aiembeddingsknowledge-baseopenaiquestion-answeringrerankingvector-searchevaluationmulti-tenantsemantic-searchwikidsh-plugin