---

【开场白】

前两期我们装了 OpenClaw 和 Hermes——一个是 AI 通信网关，一个是自进化智能体。但有个问题一直没解决：

你的文档怎么办？

产品手册、合同条款、技术文档、会议纪要……堆了几百个 PDF 和 Word，用的时候翻半天。通用 AI 问它一句，它给你编一段——看着靠谱，实际可能是瞎编的。

今天装的这个东西，专治"文档多、找不着、AI 胡说"——WeKnora，腾讯开源的文档理解与智能检索框架。

它只做一件事：你给它文档，它只从文档里找答案。不多说一句，不编一个字。

而且，它和你已经装好的 Hermes、OpenClaw 都不冲突——三个工具各有分工，我们后面讲。

---

【先搞清楚：WeKnora 是什么？】

一句话：本地部署的 RAG 知识库问答系统。

RAG，全叫 Retrieval-Augmented Generation，检索增强生成。听着玄乎，逻辑很简单：

传统大模型：你问 → 它凭训练数据答 → 可能编造（幻觉）
RAG 模式：  你问 → 先从你的文档里检索 → 把检索结果喂给模型 → 模型基于真实文档回答

区别就像：闭卷考试 vs 开卷考试。 WeKnora 让 AI 翻你的文档再回答，而不是凭记忆瞎编。

WeKnora 的核心能力：

能力	说明
深度文档解析	PDF、Word、Markdown、HTML、图片——表格、公式、图文混排都能识别
混合检索	关键词 + 向量语义 + 知识图谱，三种检索策略协同，又准又全
零幻觉问答	答案 100% 来自你提供的文档，找不到就明说"未在文档中出现"
ReACT Agent	支持联网搜索、调用工具、多轮推理，处理复杂任务
本地部署	数据不离开你的机器，金融、法律、医疗等敏感场景也能用

---

【安装方案：两种选一种】

WeKnora 提供两种安装方式，差别很大：

对比	Docker 部署	一键镜像
适合谁	开发者、需要完整功能	新手、只想快速体验
需要装什么	Docker + Docker Compose + Git	什么都不用，下载即用
安装难度	⭐⭐	⭐
功能完整度	全功能（知识图谱、对象存储、监控）	基础功能（文档问答、模型切换）
可定制性	高（改 .env、换模型、加插件）	低
Windows 兼容	Docker Desktop 或 WSL2	原生 .exe 双击运行

我的建议： 先用一键镜像体验，觉得值再切 Docker 部署上全功能。两个方案我都讲。

---

【方案一：一键镜像——5 分钟开箱即用】

这个方案最简单。不需要 Docker，不需要命令行，不需要懂什么是向量数据库。

Windows

1. 下载：拿到 weknora-win-x64.exe
2. 双击运行——首次可能弹"未知发布者"，点"仍要运行"（正常，本地打包的二进制没微软签名）
3. 等 1-2 分钟——程序自动检测并安装 Ollama（约 80MB），下载默认模型 phi3:3.8b（约 2.1GB）
4. 浏览器自动打开 http://localhost:8080，看到 🟢 Online 就成功了

端口 8080 被占用？关掉占用的程序再试。Windows 下查端口：

netstat -ano | findstr :8080
taskkill /PID <PID号> /F

Ubuntu

1. 下载：拿到 weknora-linux-x64.bin
2. 终端执行：

   chmod +x weknora-linux-x64.bin
   ./weknora-linux-x64.bin
   

3. 等 1-2 分钟——同上，自动装 Ollama + 模型
4. 打开浏览器 http://localhost:8080，看到 🟢 Online 搞定

30 秒验证

界面打开后：

• 左侧"背景知识"框，粘贴：

  WeKnora 是一款本地知识问答工具。它基于 Ollama 框架运行，无需联网即可使用。默认模型为 phi3:3.8b，适合快速响应和精准抽取。

• 右侧"你的问题"框，输入：

  WeKnora 默认使用什么模型？

• 点"提问"——几秒后应出现：

  WeKnora 默认使用的模型是 phi3:3.8b。

答案对、不编造、格式整洁——部署完成。 全程没碰终端，没改配置。

---

【方案二：Docker 部署——全功能生产级】

一键镜像够体验，但你要知识图谱、对象存储、多租户权限、监控日志——那得上 Docker。

Windows：4 步

第 1 步：装 Docker Desktop

官网下载安装，一路下一步。装完确保：

• 右下角小鲸鱼图标显示绿色
• Settings 里 “Use the WSL 2 based engine” 是勾选状态

没装 WSL2？管理员 PowerShell 执行 wsl --install，重启电脑。

第 2 步：装 Git for Windows

官网下载，安装时 “Adjusting your PATH environment” 那一步选 “Git from the command line and also from 3rd-party software”。

第 3 步：克隆仓库 + 配置

打开 PowerShell 或命令提示符：

mkdir C:\ai-projects
cd C:\ai-projects
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env

⚠️ 路径必须全英文！ C:\我的项目\WeKnora 这种中文路径会导致 Docker 构建失败。

编辑 .env 文件，核心配置：

变量	说明	推荐值
LLM_PROVIDER	大模型提供商	openai（用 OpenAI 兼容接口）
LLM_API_KEY	API Key	粘贴你的 Key
LLM_BASE_URL	API 地址	国内可用 DeepSeek/智谱的兼容接口
EMBEDDING_PROVIDER	向量模型	openai
VECTOR_DB	向量数据库	qdrant（v0.2+ 推荐）或 pgvector

第 4 步：启动

docker compose up -d

首次运行拉镜像，3-5 分钟。看到 Started 且光标回到新行——打开浏览器访问 http://localhost。

全功能模式（知识图谱 + 对象存储 + 监控）：

docker compose --profile full up -d

Ubuntu：3 步

第 1 步：装 Docker

curl -fsSL https://get.docker.com | sh
sudo usermod -aG docker $USER
newgrp docker

第 2 步：克隆仓库 + 配置

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env

编辑 .env，配置 LLM Provider 和 API Key（同上表）。

第 3 步：启动

docker compose up -d

验证：

docker compose ps                  # 所有服务状态应为 running
curl http://localhost:8080/api/health  # 返回 OK

打开 http://localhost，看到 WeKnora 界面——搞定。

---

【Docker 部署的 Profile 速查】

WeKnora 用 Docker Profile 按需开启功能，不用全装：

场景	命令	包含
最小部署	docker compose up -d	核心 API + Web UI + 数据库
全功能	docker compose --profile full up -d	核心 + 知识图谱 + 对象存储 + 监控
加知识图谱	docker compose --profile neo4j up -d	核心 + Neo4j 图数据库
加对象存储	docker compose --profile minio up -d	核心 + MinIO 对象存储
加可观测性	docker compose --profile langfuse up -d	核心 + Langfuse 追踪平台

按需选，不要一上来就 --profile full。 先跑通最小部署，再加功能。

---

【初始化：从"能打开"到"能干活"】

Docker 部署首次打开后，还有三步：

1. 创建管理员账号

首次访问 http://localhost，引导你注册管理员。

2. 配置模型

设置页面填入你的 LLM API Key。国内推荐：

• DeepSeek——便宜，中文好，API 兼容 OpenAI 格式
• 智谱 GLM-4——无需代理，按量计费
• 本地 Ollama——零成本，隐私最强，但需要 GPU

3. 创建知识库 & 导入文档

点"创建知识库"，选类型：

• FAQ 知识库：适合问答对，客服场景
• 文档知识库：适合长文档，技术手册、合同、报告

然后上传文档——PDF、Word、Markdown 直接拖进去，WeKnora 自动解析、分块、向量化。

---

【踩坑急救包】

问题	原因	解法
端口 80 被占用	IIS 或其他服务占着	.env 里改 WEB_PORT=8080，然后 docker compose up -d
端口 8080 被占用	一键镜像和 Docker 同时跑	关掉其中一个，或改端口
Docker 拉镜像超时	国内网络访问 Docker Hub 慢	配 Docker 镜像加速器，或用 docker compose pull 先拉
模型加载失败 / 首次提问无响应	Ollama 下载模型中断或磁盘不足	删除 ~/.ollama/models/blobs/ 重试，确保磁盘 > 2GB
上传文档失败	对象存储未配置	Docker 加 --profile minio，或 .env 设 STORAGE_BACKEND=local
LLM 调用超时	API Key 无效或网络不通	检查 Key、检查代理设置，.env 调大 LLM_TIMEOUT
中文路径报错	Windows 路径含中文	移到全英文路径如 C:\ai-projects\WeKnora
升级	想更新到新版	git pull && docker compose down && docker compose up -d

---

【和 Hermes / OpenClaw 怎么搭配？】

三个工具完全共存，数据隔离：

~/.openclaw/    ← OpenClaw 的家
~/.hermes/      ← Hermes 的家
~/WeKnora/      ← WeKnora 的家（Docker 数据在容器卷里）

推荐分工：

工具	定位	核心能力	适合场景
OpenClaw	AI 通信网关	消息平台接入、7×24 守护进程	飞书/钉钉机器人、团队 AI 助手
Hermes	AI 自进化智能体	技能沉淀、持久记忆、多工具并行	代码审查、自动化流程、越用越强
WeKnora	AI 知识库引擎	文档解析、混合检索、零幻觉问答	合同检索、技术文档查询、企业知识管理

一个组合场景：

• OpenClaw 接飞书，收到同事的问题
• 问题需要查文档？OpenClaw 调 WeKnora 的 API 做检索
• 检索结果需要深度分析？Hermes 接过做推理和技能沉淀

三件套：通信 + 进化 + 知识，覆盖 AI Agent 的核心需求。

---

【模型选择：本地 vs 云端】

WeKnora 支持多种模型接入方式：

方式	成本	隐私	效果	适合
Ollama 本地（phi3/gemma2/qwen）	零	最强	中等	个人体验、敏感文档
DeepSeek API	极低	中	强	性价比首选
智谱 GLM-4	低	中	强	国内无代理
Claude / GPT-4	高	弱	最强	效果优先、非敏感数据

我的建议： 本地体验用 Ollama，生产部署用 DeepSeek 或智谱。省钱又省心。

---

【一图流总结】

方案一：一键镜像（5分钟体验）
  Windows: 下载 .exe → 双击 → 等 2 分钟 → 打开 localhost:8080
  Ubuntu:   下载 .bin → chmod +x → 运行 → 打开 localhost:8080

方案二：Docker 部署（10分钟全功能）
  Windows: Docker Desktop → git clone → cp .env.example .env → docker compose up -d
  Ubuntu:   装 Docker → git clone → cp .env.example .env → docker compose up -d

验证：
  方案一：粘贴文本 → 提问 → 答案准确 = 成功
  方案二：curl localhost:8080/api/health → OK = 成功

---

【结尾】

WeKnora 的价值，不在于它多炫酷，在于它解决了一个真实的痛点——文档就在那里，但找起来太费劲，AI 帮你找又不靠谱。

WeKnora 让 AI 只说文档里有的话。找不到就老实说"没找到"，不会编一个"看着对但其实不对"的答案。

对于合同审核、技术文档查询、产品参数检索这种答错比不答更危险的场景，这才是正确的 AI 姿势。

装完 OpenClaw + Hermes + WeKnora，你的本地 AI 工具链就完整了——通信、进化、知识，三位一体。