一、项目简介

WeKnora（维娜拉）是由腾讯AI平台团队开发并开源的一款基于大语言模型（LLM）的文档理解与语义检索框架，采用MIT许可证。它专为结构复杂、内容异构的文档场景而打造，通过融合多模态预处理、语义向量索引、智能召回与大模型生成推理，构建起高效、可控的文档问答流程。

WeKnora不是一个单纯的聊天工具或通用AI助手，而是一个极简、专注、有边界的问答工具：用户可以任意上传一段文本作为“即时知识库”，AI将严格依据用户提供的文本内容进行精准、可靠的回答，不编造、不自由发挥。这种“零幻觉”设计，恰恰是企业级应用最需要的确定性。

官网地址：https://weknora.weixin.qq.com
GitHub地址：https://github.com/Tencent/WeKnora

二、核心特性

2.1 技术架构

WeKnora采用现代化模块化设计，构建了一条完整的文档理解与检索流水线，主要包括五大核心模块：

模块	说明
文档处理层	负责多种格式文档的解析与预处理，将非结构化内容转换为结构化数据
知识建模层	通过向量化、分块、知识图谱、索引等技术构建知识表示
检索引擎层	集成多种检索策略，实现高效、精准的内容召回
推理生成层	利用大语言模型对检索结果进行理解和生成
交互展示层	提供直观的用户界面和标准API接口

2.2 六大核心特性

1. 精准理解：支持PDF、Word、图片等文档的结构化内容提取，统一构建语义视图

2. 智能推理：借助大语言模型理解文档上下文与用户意图，支持精准问答与多轮对话

3. 灵活扩展：从解析、嵌入、召回到生成全流程解耦，便于灵活集成与定制扩展

4. 高效检索：混合多种检索策略（关键词、向量、知识图谱），提升检索质量

5. 简单易用：直观的Web界面与标准API，零技术门槛快速上手

6. 安全可控：支持本地化与私有云部署，数据完全自主可控

2.3 v0.2.0 重磅升级亮点

WeKnora于v0.2.0版本迎来重大升级，采用RAG + Agent双驱动模式，并全面进化至基于“推理-行动-观察”循环的新智能体架构：

• ReACT Agent模式：支持调用内置工具、MCP工具和网络搜索，通过多次迭代和反思，自主规划、拆解任务并提供全面总结报告

• 多类型知识库：新增FAQ（常见问题解答）知识库类型，与现有文档知识库形成互补，支持文件夹导入、URL批量抓取、标签分类和在线录入

• 可配置对话策略：支持灵活配置Agent模型、普通模式模型、检索阈值和Prompt

• MCP工具集成：支持通过Model Context Protocol扩展Agent能力

• 可扩展网络搜索：内置DuckDuckGo，助力Agent获取实时信息

• 全新UI优化：对话界面支持Agent模式/普通模式一键切换，知识库管理界面全面升级

三、功能模块能力

功能模块	支持情况	说明
文档格式支持	✅ PDF / Word / Txt / Markdown / 图片（含OCR/Caption）	支持图文混排与图像文字提取
嵌入模型支持	✅ 本地模型、BGE / GTE API 等	支持自定义embedding模型
向量数据库接入	✅ PostgreSQL（pgvector）、Elasticsearch	支持主流向量索引后端
检索机制	✅ BM25 / Dense Retrieve / GraphRAG	支持稠密/稀疏召回、知识图谱增强检索
大模型集成	✅ 支持Qwen、DeepSeek等	可接入本地Ollama或调用外部API
问答能力	✅ 上下文感知、多轮对话、提示词模板	支持指令控制与链式问答
部署模式	✅ 本地部署 / Docker镜像	满足私有化、离线部署需求
用户界面	✅ Web UI + RESTful API	适配开发者与业务用户

-44

四、适用场景

应用场景	具体应用	核心价值
企业知识管理	内部文档检索、规章制度问答、操作手册查询	提升知识查找效率，降低培训成本
科研文献分析	论文检索、研究报告分析、学术资料整理	加速文献调研，辅助研究决策
产品技术支持	产品手册问答、技术文档检索、故障排查	提升客户服务质量，减少技术支持负担
法律合规审查	合同条款检索、法规政策查询、案例分析	提高合规效率，降低法律风险
医疗知识辅助	医学文献检索、诊疗指南查询、病例分析	辅助临床决策，提升诊疗质量

-21

五、安装说明

5.1 前置要求

在开始部署之前，请确保系统满足以下要求：

项目	最低要求
操作系统	Linux / macOS / Windows（支持Docker）
Docker	20.10 及以上版本
Docker Compose	2.0 及以上版本
内存	至少4GB（推荐8GB+，本地问答场景推荐16GB+）
磁盘空间	至少20GB可用空间
网络	可访问Docker镜像仓库拉取镜像（首次部署需联网）

5.2 部署步骤

方式一：一键启动（推荐）

# 1. 克隆项目代码
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora

# 2. 配置环境变量
cp .env.example .env

# 3. 一键启动所有服务
./scripts/start_all.sh

方式二：Docker Compose 手动启动

# 克隆代码
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora

# 配置环境变量
cp .env.example .env

# 编辑.env文件，根据实际情况修改配置
vi .env

# 启动容器集群
docker-compose up -d

5.3 关键配置参数说明

配置项	说明
DB_DRIVER	数据库类型选择
STORAGE_TYPE	存储服务配置
OLLAMA_BASE_URL	本地LLM服务地址（如使用Ollama）
APP_PORT	后端API服务端口
FRONTEND_PORT	前端界面访问端口
NEO4J_ENABLE	是否启用知识图谱功能
EMBEDDING_MODEL	嵌入模型选择（推荐中文场景使用bge-large-zh-v1.5）

5.4 验证部署

启动成功后，可通过以下地址访问服务：

服务	访问地址	说明
Web前端界面	http://localhost:80	主要操作入口
API接口	http://localhost:8080	RESTful API
监控面板（Jaeger）	http://localhost:16686	链路追踪

注册第一个账号后，即可上传文档、创建知识库并开始对话。

5.5 服务停止与清理

# 停止所有服务
docker-compose down

# 停止并删除数据卷（慎用）
docker-compose down -v

5.6 部署注意事项

安全部署建议：从v0.1.3版本开始，WeKnora提供了登录鉴权功能。在生产环境部署时，建议将服务部署在内网/私有网络环境中，避免直接暴露在公网，并配置适当的防火墙规则和访问控制-21。

模型配置建议：为了充分发挥ReACT Agent模式的复杂任务处理能力，建议为Agent配置具有较好推理能力的模型（如DeepSeek v3.1）。

六、应用指南

6.1 知识库构建

WeKnora的知识库系统不仅是简单的文档存储，更是一个智能知识加工平台。通过OCR识别、布局分析、智能分块和向量化处理，将非结构化文档转化为机器可理解的知识单元。

创建知识库的步骤：

1. 访问Web前端界面，点击“新建知识库”

2. 输入知识库名称，选择文档类型（文档知识库或FAQ知识库）

3. 设置访问权限与分块策略

4. 上传文档（支持PDF、Word、Excel、PowerPoint、图片等格式）

5. 系统自动进行OCR识别（如需）、内容提取和分块

6. 查看处理进度与结果预览

知识库类型：

• 文档知识库：适用于各类非结构化文档的深度理解与检索

• FAQ知识库：专用于管理“问题-答案”对形式的结构化知识，特别适合沉淀标准操作流程、产品使用指南、政策咨询等高频查询内容

6.2 混合检索

WeKnora采用创新的混合检索策略，结合了三种检索方式的优势：

检索方式	原理	适用场景
关键词检索（BM25）	传统搜索引擎技术，快速定位相关文档	保证检索的全面性
向量检索	语义相似度匹配，深度理解内容	提升检索的准确性
知识图谱检索	通过实体关系网络关联检索	增强检索的关联性，发现隐含知识

这种混合策略确保了在不同场景下都能获得最优的检索效果。用户可根据具体需求调整检索参数：精确检索提高向量检索权重（适用于技术文档查询），广度检索增加关键词检索比例（适用于探索性研究），关联检索启用知识图谱功能（适用于复杂问题分析）。

6.3 智能问答

WeKnora的问答系统采用混合检索-生成架构，先通过多策略检索获取相关知识片段，再由大语言模型生成精准答案。

主要功能特点：

• 图文混合呈现：支持在问答结果中展示图表、引用来源和模型的推理过程

• 多轮对话：支持深入探讨话题，提供更精准的答案

• 答案溯源：自动标注引用来源，支持追溯答案出处

Agent模式应用：对于复杂任务，可启用Agent模式。Agent能够自主规划、拆解任务，调用知识库检索、联网搜索等工具，最终交付结构化的高质量分析报告。

6.4 知识图谱可视化

开启知识图谱功能后，WeKnora会分析并构建文档内部的语义关联网络。知识图谱不仅帮助用户理解文档内容，还为索引和检索提供结构化支撑，提升检索结果的相关性和广度。通过Neo4j数据库存储图数据，可在Web界面中直观查看文档实体间的关联关系。

6.5 API集成

WeKnora提供了一系列RESTful API，基础URL为/api/v1，可用于创建和管理知识库、检索知识，以及进行基于知识的问答-。这使得开发者能够将WeKnora无缝集成到现有的自动化工作流中，实现批量文档处理、自动化问答等企业级应用场景。

6.6 常用操作命令

操作	命令
查看服务状态	docker-compose ps
查看服务日志	docker-compose logs -f [服务名]
重启特定服务	docker-compose restart [服务名]
进入数据库容器	docker-compose exec postgres psql -U $DB_USER -d $DB_NAME

-30

七、总结

WeKnora作为一款由腾讯开源的RAG知识库框架，凭借其模块化架构、多模态文档处理能力、混合检索机制以及创新的Agent智能体架构，为企业级文档理解与智能问答提供了高效、可控、可扩展的解决方案。无论是企业内部知识管理、技术文档中心建设，还是客户服务智能化，WeKnora都能快速实现知识赋能。

项目采用MIT许可证，代码完全开放，支持本地化部署和私有云部署，数据完全自主可控，是企业构建私有知识库系统的理想选择。