WeKnora

腾讯开源的企业级知识平台，RAG、Agent 与自动 Wiki 共享同一知识库

项目速览

项目 内容
仓库 Tencent/WeKnora
语言 Go 66.4% / Vue 14.4% / TypeScript 14%（另有少量 Python）
Stars 约 3.38 万，Forks 4.5k，贡献者 242 人
协议 MIT
版本 v0.8.3（2026-10-14 收尾），累计 40 个 Release
部署 Docker Compose / Helm / Lite / 桌面端，支持私有化

它想解决什么问题

企业文档散落在格式各异的文件、飞书、钉钉里，“传进知识库”只是第一步——文档解析、知识组织、检索、推理、版本维护是一整条链路。WeKnora 的定位是把这条链路做完：让原始文档变成可检索、可追溯、可持续维护的知识资产，并且 RAG 问答、Agent 推理、Wiki 整理三种能力共享同一个知识库，而不是三套系统各建一遍索引。

核心机制拆解

1. RAG：混合检索 + 原文引用。 语义检索与关键词检索混合，回答附带来源引用，点击引用可直接定位到原始文档对应段落核对上下文。v0.8.3 引入多模态 Embedding（支持腾讯 WeMM-Embedding、Qwen3-VL-Embedding 等），图片、图表能和文字一起参与检索，用自然语言查找文档中的图。

2. 文档解析管线。 多解析器架构：anydoc Rust 引擎（经 cgo 链接处理 Office 文档）、MinerU、DocReader OCR 兜底扫描版 PDF。对中文企业场景常见的扫描件、复杂排版文档，这一层决定了上限。

3. Wiki 与知识图谱。 从原始文档自动生成相互链接的 Wiki 页面和知识图谱，支持按主题分组浏览、编辑、版本回滚。“自维护”是这个模块的关键词——知识组织不再依赖人肉整理。

4. Agent：多步推理 + 沙箱。 内置 Agent 可检索资料、调用 MCP 工具与技能，在沙箱或本机浏览器中完成任务，保留长期记忆；对话支持追加要求、分叉与回滚。问答不止于“找一个答案”，而是“用知识和工具推进任务”。

5. 数据接入。 飞书（Wiki 与云盘）、钉钉的深度适配同步连接器，支持文件夹镜像与增量同步——国内团队的存量知识大多在这些地方，这一层的实用性很高。

部署与开发体验

MIT 协议、私有化部署、模型与存储自由选择（Ollama / OpenAI，多租户隔离）是企业选型的三块基石。文档站披露约 360 个 API 端点、约 150 个环境变量，规模不小；开发态提供 make dev-start / make dev-app / make dev-frontend 快速启动，后端支持 Air 热重载（5-10 秒重启），前端自动热更新。

点评

亮点是“三能力一知识库”的架构克制：RAG、Agent、Wiki 没有各建索引，而是共享同一份解析与知识组织结果，这避免了企业知识系统最常见的“数据孤岛复用”问题。MIT + 私有化 + 国内协作软件原生接入，对数据敏感的企业是实打实的门槛优势。

局限方面：Go + Vue 全栈部署相对重，小团队试用建议从 Lite 版或 Docker Compose 起步；Agent 与 Wiki 自动组织的效果高度依赖文档解析质量，扫描件多的场景要先验证 OCR 链路；英文文档与社区规模相比其国内定位仍有差距。

适合人群：需要把内部文档（尤其是飞书/钉钉里的存量资料）变成可问答、可推理、可持续维护知识资产的中小企业技术团队。如果已经在用 Dify 等平台，可以把 WeKnora 的“Wiki 图谱 + 原文引用”作为差异化参照——它对标的不是“再一个聊天框”，而是知识组织本身。