公司里的资料往往分散在各个角落：产品文档在飞书，技术方案在 Confluence，代码说明在 GitLab，会议纪要又躺在某个网盘里。新同事入职要问一圈才知道去哪找，老员工查一份旧方案也得翻半天。关键词搜索只能找到文件，找不到答案；文档更新之后，旧内容还留在各处，没人说得清哪份才是最新的。
WeKnora（维娜拉）要解决的就是这类问题。它是腾讯开源的企业级知识管理框架，把团队分散的文档汇集到一起，用于检索、推理，并随资料更新持续维护。
核心功能
WeKnora 围绕同一个知识库提供三种能力：用 RAG 查资料，用 Agent 办任务，用 Wiki 整理知识。
RAG：回答有据可查。 采用关键词与向量混合检索，支持多模态解析，回答时附带原文引用，点击可直接定位到原始文档中的片段，方便核对。
Agent：用知识和工具完成任务。 智能推理模式由 Agent 规划多步任务，检索、读文档、调用工具与技能，每一步都在对话中展示。技能可从 ClawHub、SkillHub、Git 或 ZIP 安装，在 Docker、E2B、Cube 等沙箱中运行，对话旁还能打开交互式终端和图形桌面。
借助 BrowserSkill 扩展，Agent 能操作用户自己的 Chrome 或 Edge，遇到登录和验证码时交还给用户处理。外部 MCP 服务也可以接入，并逐个选择启用哪些工具、哪些调用需要审批。
Wiki：把文档整理成可浏览的页面。 开启后，系统从文档里提取人物、产品和概念，生成带来源引用的页面，并以知识图谱展示页面之间的关系。页面可以直接编辑，改动支持版本对比与回滚。
在这三项之外，几个落地时会用到的能力也值得一提：
- 数据源：支持飞书、Confluence、GitLab、腾讯 IMA、Notion、语雀、钉钉文档、Seafile、RSS 等自动同步，文档格式覆盖 PDF、Word、Excel、图片、XMind 等十余种。
- 接入渠道：可在企业微信、飞书、Slack、Telegram 等 IM 中直接问答，也可以用嵌入 Widget 把智能体发布到网站；内置 MCP Server，Cursor、Claude 等工具能直接连接知识库。
- 模型选择：内置 29 家模型厂商，兼容 OpenAI、DeepSeek、Qwen、智谱、混元、Gemini、Ollama 等，大模型、向量库和存储后端均可替换。
- 权限与审计：多空间 RBAC 四级角色、权限范围 API Key，以及空间审计日志。
最新的 v0.9.0 又加入了 WeKnora 助手、多智能体协作、一次性与周期性自动化任务，以及只读、修改前确认、自动执行三级执行权限。
使用方式
最直接的方式是用 Docker Compose 自行部署，需要提前安装 Docker、Docker Compose 与 Git。
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env # 按需编辑 .env，详见文件内注释
docker compose pull # 拉取最新镜像
docker compose up -d # 启动核心服务
启动成功后访问 http://localhost，按新手引导完成配置即可。后端 API 在 http://localhost:8080，链路追踪 Langfuse 在 http://localhost:3000。
如果使用本地 Ollama 模型，需要先启动它：
ollama serve > /dev/null 2>&1 &
需要知识图谱、对象存储等额外组件时，通过 --profile 按需叠加：
docker compose --profile neo4j --profile minio pull
docker compose --profile neo4j --profile minio up -d
docker compose down # 停止服务
已有部署需要升级时，在 .env 中把 WEKNORA_VERSION 设为目标版本（如 0.9.0），或保持 latest，然后重新拉取镜像并重建容器：
docker compose pull # 拉取与 WEKNORA_VERSION 匹配的镜像
docker compose up -d # 用新镜像重建容器
只执行 docker compose up -d 会复用本地缓存的旧镜像，导致界面显示的版本与下载的版本不一致，升级前建议先阅读官方的升级须知。
除了 Docker Compose，还提供 Kubernetes（Helm）、零外部依赖的 Lite 单二进制版本，以及桌面应用（需自行构建）。不想自己搭环境的话，也可以直接使用微信对话开放平台，在线管理知识库，并把问答服务接入公众号、小程序等微信场景。
习惯在终端里操作的用户，可以使用官方命令行工具 weknora。它默认输出稳定的 JSON，便于脚本和 AI Agent 调用：
weknora profile add prod --host https://kb.example.com --use
weknora auth login
weknora kb list
weknora link --kb my-knowledge-base # 绑定当前目录
weknora doc upload notes.md
weknora chat "总结一下设计文档"
在无界面或 CI 场景下，设置 WEKNORA_API_KEY 与 WEKNORA_HOST 即可跳过登录，凭据不会写入磁盘。
有一点需要注意：生产环境建议把服务部署在内网或私有网络中，避免直接暴露在公网，并配置防火墙和访问控制，定期升级以获取安全补丁。
写在最后
WeKnora 的思路比较清晰：先把分散的资料汇到一处，再用同一份知识库支撑问答、任务执行和知识整理三件事。回答带原文引用，让结论可以核对；模型、向量库、存储均可替换，并支持私有化部署，数据留在自己的环境里。
对于资料量大、来源杂、又对数据安全有要求的团队，可以先用 Docker Compose 跑起来，导入一批真实文档，看看检索和问答的效果，再决定是否接入飞书、企业微信等日常使用的渠道。
项目地址
发表于 7 小时前
|
查看: 0|
回复: 0
/1 
