Tencent / WeKnora

Tencent/WeKnora

open_in_new前往仓库

WeKnora 是腾讯开源的 LLM 知识平台，支持 RAG 问答、ReAct 智能体、自动 Wiki 与长期记忆，提供多源导入、多模型集成及企业级 RBAC，可本地部署。

项目概览

项目概述

WeKnora 是腾讯开源的企业级 LLM 知识平台，旨在将原始文档转化为可查询、可推理、持续演进的知识资产。它围绕三大核心能力构建：基于 RAG 的快速问答、自主编排检索与工具调用的 ReAct 智能体，以及自动生成相互链接 Markdown 知识库的 Wiki 模式。项目支持多源数据导入、20+ LLM 提供商集成、多向量数据库与存储后端，并提供完整的 Web UI、RESTful API、CLI 及 MCP 服务，可本地或私有云部署，确保数据主权。

核心功能

  • 智能问答：支持 RAG 快速问答与 ReAct 多步推理，可调用 MCP 工具、技能沙箱与网络搜索。
  • Wiki 模式：智能体自动将文档蒸馏为结构化、互链的 Markdown 知识库，支持手动编辑、版本历史与一键回滚。
  • 长期记忆：跨会话记忆用户画像、偏好、事实等，自动提取并需用户确认。
  • 知识管理：支持 FAQ/文档/Wiki 知识库、文件夹树、分块编辑与版本历史、批量重解析、自动打标签。
  • 多源导入：支持飞书、GitLab、Notion、语雀、RSS 等数据源自动同步。
  • 模型与存储集成：兼容 OpenAI、DeepSeek、通义、智谱、混元、Gemini、Ollama 等 LLM；支持 pgvector、Elasticsearch、Milvus、Qdrant 等向量库及多种对象存储。
  • IM 集成：支持企业微信、飞书、Slack、Telegram、钉钉等 IM 渠道。
  • 企业级特性：多工作区 RBAC、细粒度 API Key、审计日志、Langfuse 可观测性、任务队列治理。

适用与不适用场景

适用场景：

  • 企业知识库构建与智能问答。
  • 需要自主推理、多步任务处理的智能体应用。
  • 团队协作的知识沉淀与 Wiki 自动生成。
  • 对数据主权有要求，需本地或私有云部署的场景。

不适用场景：

  • 需要极简、零依赖快速试用的个人场景（可考虑 Lite 版本，但仓库资料未提供）。
  • 对实时性要求极高的场景（异步任务队列可能引入延迟）。
  • 需要深度定制 UI 或特定行业逻辑的场景（需自行开发）。

技术架构与依赖

  • 后端语言：Go
  • 前端：Vue 3 + Vite（仓库资料未提供具体版本）
  • 文档解析：内置解析器、MinerU、PaddleOCR-VL、anydoc（进程内）等
  • 向量数据库：PostgreSQL (pgvector)、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、腾讯云 VectorDB
  • 对象存储：本地、MinIO、AWS S3、阿里云 OSS、腾讯云 COS/TOS、金山 KS3、华为 OBS
  • 消息队列：Asynq (Redis)
  • 可观测性：Langfuse (OTLP/OTel)
  • 部署：Docker Compose、Kubernetes (Helm)

安装与快速开始

前置条件

  • Docker 与 Docker Compose
  • Git

安装与启动

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env   # 按需编辑 .env

docker compose pull
docker compose up -d

启动后访问 http://localhost 即可开始使用。

可选服务（Docker Compose Profiles）

Profile说明命令
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可观测性docker compose --profile langfuse up -d

典型使用方法

使用 CLI 进行问答

weknora profile add prod --host https://kb.example.com --use
weknora auth login
weknora kb list
weknora link --kb my-knowledge-base
weknora doc upload notes.md
weknora chat "总结设计文档"

使用 API 进行知识问答

curl -X POST 'http://localhost:8080/api/v1/knowledge-chat/{session_id}' \
  -H 'X-API-Key: your_api_key' \
  -H 'Content-Type: application/json' \
  -d '{"query": "什么是 RAG？", "knowledge_base_ids": ["kb-xxx"]}'

使用 MCP 服务

安装官方 MCP 包 tencent-weknora-mcp，配置后可通过 MCP 客户端调用 29 个工具。

配置与部署要点

  • 模型配置：在 .env 中配置 LLM、Embedding、Rerank 模型，或使用 config/builtin_models.yaml 声明式管理内置模型。
  • 安全：生产环境建议部署在内网，配置防火墙；API Key 与凭据使用 AES-256-GCM 加密存储。
  • 可观测性：配置 LANGFUSE_* 环境变量启用 Langfuse 追踪。
  • 升级：升级时需执行 docker compose pull 并更新 WEKNORA_VERSION，避免 UI 版本不同步。
  • RBAC：默认启用空间 RBAC，可通过 WEKNORA_TENANT_ENABLE_RBAC=false 临时关闭。

限制、风险与许可证

  • 许可证：MIT License（仓库资料显示，但 GitHub 元数据为 NOASSERTION，以仓库 LICENSE 文件为准）。
  • 安全风险：项目包含登录认证，但建议仅在内网部署，避免直接暴露公网。
  • 已知限制：技能沙箱的 Docker 后端默认关闭，需显式启用；本地宿主进程沙箱已移除。
  • 依赖风险：部分功能依赖外部服务（如 Neo4j、MinIO、Langfuse），需自行维护。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README、CHANGELOG、文档目录（docs/）及 API 文档。
  • 分析时间：2026-09-03（基于最新发布 v0.8.0 的日期）。