WeKnora：腾讯开源的 LLM 知识平台，把一堆文档变成会自己长大的知识库

GitHub Trending 上又出现了一个「文档进、答案出」型的国产开源项目。这次是腾讯开源的 WeKnora —— 目前 2.2 万 Star，最近一次更新是 2026-09-13，最新版本 v0.8.0（2026-09-03 发布）。它的目标很明确：把散落各处的原始文档，变成可查询的 RAG 知识库、能自主推理的 Agent，以及一座会自动维护的 Wiki。

官方仓库地址：github.com/Tencent/WeKnora，官网：weknora.weixin.qq.com。

一句话说清它是什么

市面上的「知识库 + 大模型」方案，大多停留在「上传 PDF，然后问答」。WeKnora 想做的事情更靠前一步，它同时提供了三种能力，并且让这三种能力互相喂养：

Quick Q&A（快速问答）：基于 RAG 的常规检索问答，适合日常查资料。
ReAct Agent（智能体模式）：让模型自己决定要不要检索、要不要调工具、要不要写代码，用多步推理处理复杂任务。
Wiki Mode（Wiki 模式）：这是个比较少见的能力——Agent 会把你上传的原始文档蒸馏成结构化的、互相关联的 Markdown 页面，并生成一张可交互的知识图谱。而且这些页面支持在浏览器里直接手改、看历史版本、逐行 diff、一键回滚。

也就是说，它不是让你去翻文档，而是自己把文档「消化」成一套能读的知识体系。

v0.8.0 带来的新东西

这个项目的迭代节奏相当快，最近几个版本的改动量都不小。v0.8.0 的几个重点：

技能沙箱运行时（Skill Sandbox）：支持会话级的 Docker / E2B / Cube 三种沙箱后端，并且按租户配置网络策略。注意，本地宿主机进程后端已经被移除，Docker 模式需要显式开启。
租户级技能目录（Skill Catalog）：可以从 ClawHub / SkillHub / git / zip 安装技能，每个沙箱有快照，支持进度实时查看、文件浏览编辑，以及个人级和工作区级的环境变量。
跨会话长期记忆：把记忆分成画像、偏好、事实、任务、兴趣几类，自动抽取并等待用户确认，使用时通过 search_memory 按需召回。
进程内 anydoc 办公文档解析器：Office 文件不再需要额外的外部服务。
官方 DeepSeek Harness 插件 @wxg-prc-cpg/dsh-weknora，以及 GitLab、腾讯 IMA 数据源，LiteLLM 支持，Exa / Metaso 网页搜索，XMind 解析等。

如果你只是想先跑起来看看，v0.8.0 的能力已经足够完整了。

核心能力拆解

1. 文档解析：格式和数据源都很能打

直接说支持范围：

文档格式：PDF、Word、TxT、Markdown、HTML、EPUB、MHTML、图片、CSV、Excel、PPT、JSON、XMind，共 10 多种。
外部数据源自动同步：飞书知识库、飞书云文档、Lark、GitLab、腾讯 IMA、Notion、语雀、RSS 订阅，支持增量和全量同步。

这一点对企业用户意义很大——大部分知识不在本地文件夹里，而在飞书、语雀、GitLab 这些协作工具里。WeKnora 是直接把数据源接进来，而不是让你手动导。

2. 知识管理：像个文件管理器，而不是「一堆碎片」

比较实用的几个细节：

目录树保留上传结构：上传文件夹时会保留原始目录层级，侧边栏可以像文件管理器一样浏览、重命名、把文档移动到别的文件夹。
切片编辑与版本历史：检索用的 chunk 可以直接在界面上编辑，每个版本有快照、支持 diff 和一键回滚，改完自动重建索引。
按批次覆盖解析配置：上传确认弹窗里可以逐批指定解析器、分块策略、多模态（VLM / ASR）、图谱抽取、问题生成等参数，之后也能用新的配置重新解析。
检索策略：BM25 稀疏检索、稠密检索、GraphRAG、父子分块、HNSW 加速的 pgvector（1024 维）多维索引。

3. 集成生态：模型、向量库、IM 都能换

这部分是它「模块化」主张最直接的体现：

类别	支持的实现
LLM	OpenAI / Azure OpenAI / Anthropic Claude / DeepSeek / 通义千问 / 智谱 / 混元 / 豆包 / Gemini / MiniMax / NVIDIA / Novita AI / SiliconFlow / OpenRouter / LiteLLM / Ollama
Embedding	Ollama / BGE / GTE / 智谱 / OpenAI 兼容接口
向量数据库	PostgreSQL(pgvector) / Elasticsearch / OpenSearch / Milvus / Weaviate / Qdrant / Apache Doris / 腾讯 VectorDB
对象存储	本地 / MinIO / AWS S3 / 腾讯云 TOS / 阿里云 OSS / 金山云 KS3 / 华为云 OBS
IM 通道	企业微信 / 飞书 / Lark / QQ 机器人 / Slack / Telegram / 钉钉 / Mattermost / 微信 / 云之家

模型层的「每个知识库可以单独选模型」这点挺关键——你可以让内部资料走本地 Ollama，让公开资料走云端 API。

4. 面向 AI 编程助手的接口

比较有意思的一块：WeKnora 不只是一个 Web 应用，它同时对外暴露了给 Agent 用的入口。

官方 MCP Server：PyPI 包 tencent-weknora-mcp，提供 29 个工具，支持 stdio / SSE / HTTP 三种传输方式。
CLI：weknora 命令行工具是「agent-first」设计的，默认输出稳定的 JSON 信封结构，错误码映射到退出码；--format text 才给人看。它也自带 MCP 服务（weknora mcp serve）和内置的 Agent Skills。
DeepSeek Harness 插件：装上后会往编程助手的工具集里加四个只读工具——weknora_search（混合检索，返回原文片段和可复用的 knowledge_id）、weknora_read_document（按顺序还原整篇文档，支持分页）、weknora_ask（带引用的问答，可走 RAG 或 ReAct 管道）、weknora_list_knowledge_bases（列出知识库供 Agent 自己限定检索范围）。

也就是说，你可以让自己的编程助手直接「拥有」你的内部文档。

5. 企业级：权限、审计、可观测性

多工作区 RBAC：四层角色矩阵 Owner / Admin / Contributor / Viewer，加上每个知识库的资源归属和按工作区隔离的审计日志。
范围化 API Key：能力级授权 + 按知识库限制 + 限流的最后使用时间追踪。
安全：API Key 与 MCP / 数据源凭据用 AES-256-GCM 静态加密并支持密钥轮换；app 与 docreader 之间的 gRPC 走 TLS + Token；Redis TLS；防 SSRF 的 HTTP 客户端（数据源、URL 导入、重定向链都会被检查）；响应中的敏感信息脱敏；OIDC ID Token 的 JWKS 校验。
可观测性：集成 Langfuse 作为唯一追踪后端，覆盖 ReAct 循环、Token 统计、工具调用和管道追踪；还有一套 Langfuse 风格的文档解析链路时间线，能看到逐阶段进度。
任务队列：分阶段的工作池治理（core / post-process / enrichment / maintenance + 弹性共享池，Wiki 有独立池），加上按模型的并发控制器，管理员面板可以查看队列深度和失败任务并手动重试。

五分钟跑起来

只要机器上有 Docker 和 Git：

git clone https://github.com/Tencent/WeKnora
cd WeKnora
cd WeKnora
cp .env.example .env   # 按需修改，文件里有注释
docker compose pull    # 拉取最新镜像
docker compose up -d   # 启动核心服务

启动后访问 http://localhost 就能用。如果要接本地的 Ollama，先执行 ollama serve > /dev/null 2>&1 &。

需要附加组件时用 Docker Compose Profile 组合：

Profile	作用	命令
（默认）	核心服务	`docker compose up -d`
`full`	全部功能	`docker compose --profile full up -d`
`neo4j`	知识图谱	`docker compose --profile neo4j up -d`
`minio`	对象存储	`docker compose --profile minio up -d`
`langfuse`	链路追踪	`docker compose --profile langfuse up -d`

服务端口：Web UI http://localhost，后端 API http://localhost:8080，Langfuse 追踪 http://localhost:3000。

如果是要改代码的开发模式，不用反复重建镜像：

make dev-start        # 启动基础设施
make dev-app          # 启动后端（新终端，Air 热重载）
make dev-frontend     # 启动前端（新终端，热更新）

版本节奏与工程细节

从 CHANGELOG 看，这个项目的发布密度大约是每两到三周一个版本，而且每个版本都是实打实的功能增量，不是版本号游戏：

v0.8.0（2026-09-03）：技能沙箱 + 技能目录 + 长期记忆 + anydoc。
v0.7.2（2026-08-07）：官方文档站（VitePress，约 50 页、覆盖约 360 个 API 端点）、知识库目录树、切片编辑与修订历史、Wiki 页面修订历史。
v0.7.1（2026-07-24）：云之家 IM 集成、火山引擎 rerank、平台级 API Key、Langfuse OTLP 追踪迁移。
v0.7.0（2026-07-17）：范围化 API Key 与主体模型、任务队列可观测面板、多实例存储后端。
v0.6.0：工作区 RBAC 四层角色矩阵、AES-256-GCM 凭据加密、Go 1.26.0。
v0.5.0：Wiki 模式 GA。

技术栈上，后端是 Go，前端是 Vue，架构上「解析 → 向量化 → 检索 → LLM 推理」每一步都可替换。项目采用 MIT 协议，代码可以自由使用、修改和分发。