WeKnora

项目简介

WeKnora（维娜拉）是由腾讯微信对话开放平台团队开源的企业级 LLM 知识平台，于 2025 年 8 月正式发布，截至 2026 年 9 月已在 GitHub 获得超过 21,000 颗 Star，是当前最活跃的开源企业知识管理项目之一。项目将 RAG 问答、ReAct 自主推理 Agent 与 AI 自动 Wiki 知识图谱三大能力融为一体，旨在帮助企业将散落的文档资产转化为可检索、可推理、可自动维护的活知识库。

核心功能

三种知识服务模式

RAG 快速问答：上传文档即可通过语义检索获得精准答案，适合日常知识查询场景。

ReAct 自主推理 Agent：Agent 可自主编排检索动作、调用 MCP 工具、访问沙箱环境并执行多步骤复杂任务，支持跨会话持久记忆。

AI Wiki 知识图谱：Agent 自动将原始文档蒸馏为互相链接的 Markdown 知识库，配合交互式知识图谱展示，支持手动编辑、版本历史与一键回滚。

企业级特性

多数据源接入：支持飞书 Wiki、飞书云盘、GitLab、腾讯 IMA、Notion、语雀、RSS 等多种外部知识源同步。

多租户 RBAC：四级角色矩阵 + 资源级所有权 + 空间级审计日志，满足中大型企业安全合规需求。

20+ 大模型接入：支持 OpenAI、Claude、本地 Ollama 等，通过 LiteLLM 统一抽象。

全链路可观测：深度集成 Langfuse，配合运行时任务队列仪表盘与 Worker Pool 治理。

技术实现

WeKnora 整体采用模块化架构，核心层包含文档解析引擎、向量嵌入（Embedding）模块、重排序（Reranking）模块与语义搜索模块四大组件。文档上传后，首先由 anydoc 引擎在 Go 进程内完成 PDF、Word、图片、Excel、XMind 等 10 余种格式的解析；解析结果经分块（Chunking）后进入向量数据库；用户查询时，系统通过语义检索 + Reranking 重新排序返回最相关内容；ReAct Agent 在此基础上调用沙箱（Docker / E2B / Cube）、MCP 工具或外部搜索完成复杂任务。沙箱后端支持按空间配置，确保代码执行安全隔离。项目采用 Go 主语言开发，前端基于 React，支持 Docker / Kubernetes 部署，企业可根据数据主权需求完全自托管。

快速上手

第一步：克隆代码仓库

git clone https://github.com/Tencent/WeKnora.git cd WeKnora

第二步：配置大模型 API Key

在 .env.example 文件中填写大模型供应商的 API Key（如 OpenAI、Claude 或本地 Ollama）。如使用本地模型，确保 Ollama 服务已启动。

第三步：Docker 部署

项目提供 docker-compose，一键启动所有服务：

docker-compose up -d

访问 http://localhost 即可打开 Web 界面。

第四步：上传文档并开始问答

在 Web 界面创建工作空间，上传 PDF、Word 或其他格式的内部文档，选择 RAG 问答、Agent 推理或 Wiki 模式，即可开始使用。

适用人群

中大型企业 IT 团队：构建统一内部知识问答系统，满足多部门协作与安全合规要求。 技术团队：管理 API 文档、技术规范、代码文档，让 AI 成为技术知识的主动回答者。 客服与运营团队：基于产品手册和 SOP 文档，自动回答常见客户问题，降低人工成本。 培训与知识管理部门：将培训材料转化为可交互问答知识库，提升内部知识复用效率。