WeKnora

文档往里一扔,自动变成啥都能答的知识库

开源 🏷️定价信息待确认 ✅ 目前可打开 对话助手 🍴 复刻 5063 🐛 待处理 948 👀 关注 149
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 36849
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

WeKnora 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类对话助手
开发团队Tencent
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议NOASSERTION
主要语言Go
技术栈/模型agent,agentic,ai,chatbot,dsh-plugin,embeddings,evaluation,generative-ai,golang,knowledge-base,llm,multi-tenant,ollama,openai,question-answering,rag,reranking,semantic-search,vector-search,wiki
GitHub 星标★ 36849
上线时间2025-07-22 00:00:00
代码更新2026-11-03
仓库体积252.1 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数15

项目介绍

腾讯开源的 LLM 知识平台,将原始文档转化为可查询的 RAG、自主推理 Agent 与自动维护的 Wiki。构建企业级知识中枢,让知识自动沉淀、检索与推理,助力智能问答与知识管理。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 36849

使用教程

难度:入门 约 10 分钟 部署方式:Docker 8 步

环境要求

  • 已安装 Docker 与 Docker Compose(支持 compose 子命令)
  • 能访问网络以拉取镜像
  • 本机 80 端口可用(访问地址为 http://localhost)
  • 可选:本地 Ollama 环境(使用本地模型时)

安装与启动步骤

  1. 1克隆项目仓库

    从 GitHub 拉取 WeKnora 源码到本地,随后所有操作都在该目录内进行。

    git clone https://github.com/Tencent/WeKnora.git
  2. 2进入项目目录

    切换到刚克隆下来的 WeKnora 目录,后续命令均在此目录执行。

    cd WeKnora
  3. 3生成配置文件

    从示例文件复制出 .env,并按文件内注释修改所需配置项。

    cp .env.example .env
  4. 4拉取最新镜像

    使用 Docker Compose 拉取核心服务镜像,确保使用最新版本。

    docker compose pull
  5. 5后台启动服务

    以守护进程方式启动核心服务,完成后即可访问 Web 界面。

    docker compose up -d
  6. 6访问 Web 界面

    在浏览器打开 http://localhost 进入知识平台开始使用。

  7. 7启用扩展组件(可选)

    需要知识图谱、对象存储或链路追踪时,追加 --profile 参数,多个 profile 可组合使用。

    docker compose --profile full pull && docker compose --profile full up -d
  8. 8使用本地 Ollama(可选)

    如需接入本地 Ollama 模型,先启动 Ollama 服务再启动 WeKnora。

    ollama serve > /dev/null 2>&1 &

关键配置

配置项必填说明示例
.env是主配置文件,由 .env.example 复制而来,按文件内注释修改。.env

如何确认成功

浏览器访问 http://localhost 能正常打开 WeKnora 界面,即表示核心服务启动成功。

常见问题

Q:启动后浏览器打不开 http://localhost 怎么办?

A:确认 docker compose up -d 已执行完成、容器处于运行状态,并检查本机 80 端口是否被其他程序占用。

Q:如何启用 Neo4j、MinIO 或 Langfuse 等附加组件?

A:在 docker compose 命令中加 --profile 参数,例如 docker compose --profile neo4j up -d,多个 profile 可叠加使用。

Q:怎么使用本地的 Ollama 模型?

A:先执行 ollama serve 启动本地 Ollama 服务,再启动 WeKnora 即可。

Q:如何停止所有服务?

A:在项目目录执行 docker compose down 即可停止并移除容器。

注意事项

  • 除 .env 外,README 未列出其他必填配置项,请以 .env 文件内的注释为准。
  • 默认访问地址为 http://localhost,即容器默认占用 80 端口。
  • 扩展功能按需启用 profile:full 为全部功能,neo4j 为知识图谱,minio 为对象存储,langfuse 为链路追踪。

核心亮点

  • 基于Go实现高性能RAG管道,支持将原始文档自动转换为可查询的知识库,并集成多模态嵌入与多种LLM后端(如Ollama),工程化程度高
  • 提供自主推理Agent与自维护Wiki能力,支持多租户隔离,适合团队级知识管理场景
  • 内置评估模块,便于对检索和生成质量进行系统化测试,降低生产落地调优成本

不足之处

  • 文档/社区待观察

适用场景

  • 企业内部知识库构建与智能问答
  • 基于私有文档的RAG应用快速原型开发
  • 多团队协作的自治知识管理系统

替代项目

Dify、FastGPT、RAGFlow

上一篇:kotaemon

下一篇:khoj

同类项目推荐

ChatKBQA 开源

用大模型生成+检索,让知识库问答更简单准确

[ACL 2024] Official resources of "ChatKBQA: A Generate-then-Retrieve Framework for K···

★ 339 2026-08-09
Langchain-Chatchat 开源

把公司资料变成私人顾问,只答自己家的内容

Langchain-Chatchat(原Langchain-ChatGLM)基于 Langchain 与 ChatGLM, Qwen 与 Llama 等···

★ 38713 2026-08-09
local-deep-research 开源

本地跑深度研究,多源检索自动出报告

~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (ll···

★ 9542 2026-10-29
ragbuilder 开源

自动评估并调优 RAG 配置,快速上线生产级问答系统

A toolkit to create optimal Production-readyRetrieval Augmented Generation(RAG) setu···

★ 1542 2026-08-09
RAGU 开源

用图结构增强检索,让 AI 回答更懂关联关系。

[EMNLP 2026] Modular GraphRAG framework

★ 144 2026-08-09
awesome-jev 开源

找 Jev 的现成集成和案例,少走弯路

A curated list of public projects, integrations, and discussions built on Jev — Typ···

★ 2556 2026-09-22
VectorDB-Plugin 开源

本地文件直接问,文档音视频秒变智能问答库

Program that lets you ask questions about your documents and audio or video files.

★ 371 2026-08-09
anysearch-mcp-server 开源

一个接口搞定 AI 联网搜索与整页抓取

Unified real-time search MCP server supporting general web search, vertical domain s···

★ 2062 2026-10-11
llms-txt-hub 开源

一站找齐支持 llms.txt 的 AI 友好文档站

The largest directory for AI-ready documentation and tools implementing the proposed···

★ 926 2026-09-16