文档变成问答系统：WeKnora 10 分钟跑通 RAG 知识库

文档变成问答系统WeKnora 10 分钟跑通 RAG 知识库【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora公司文档散落在网盘、飞书和共享盘里员工找资料全靠问人——这正是 WeKnora 要解决的问题。它是一个开源的 LLM 知识平台把 PDF、Word、Markdown 等文档解析、分块后转成向量提问时用混合检索加 LLM 生成带引用出处的答案还支持 Agent 多步推理和自动生成维护的 Wiki。能力总览RAG 快速问答基于知识库检索作答回答里每个结论都带可点击的引用能跳回原文ReAct Agent 推理面对复杂问题Agent 自主决定检索几轮、要不要联网搜索、要不要调用 MCP 工具Wiki 模式Agent 从原始文档自治生成相互链接的 Markdown 页面支持人工编辑、版本历史与一键回滚多格式解析覆盖 PDF / Word / Excel / PPT / EPUB / 图片等十余种格式文档解析服务 独立成进程异步排队处理数据源同步与渠道分发飞书、Notion、语雀、RSS 自动同步入库答案可经企业微信、飞书、Slack 等 IM 频道直接触达架构图展示了从文档解析、向量化、混合检索到大模型推理的全链路各环节模块化解耦大模型、向量库、存储后端都可以按需替换。快速跑起来环境要求与一键启动命令环境要求清单Docker 与 Docker Compose核心组件全部容器化Git一套可用的模型至少一个对话模型LLM加一个向量模型Embedding——本地 Ollama 或任意 OpenAI 兼容的远程 API拉代码与启动服务git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env docker compose pull docker compose up -d确认启动成功浏览器打开http://localhost看到注册/登录页即前端正常执行curl http://localhost:8080/health返回{status:ok}说明后端就绪如果要用本地 Ollama需先启动ollama serve注意容器内访问宿主机要写http://host.docker.internal:11434。上手主流程从建库到拿到带引用的答案第一步注册账号并建库首次访问会落到登录页注册是同一页上的页签注册完自动获得一个工作空间你在这个空间里是 Owner。进入「知识库」页点新建选类型document文档库或faq问答对库。保存后会进入初始化向导为这个库选模型对话模型和向量模型必填重排、图片理解、语音转写可以先不开。向导里有「测试」按钮先确认模型连得通再保存。第二步把文档灌进去进入知识库把文件拖进上传区或直接粘贴网页 URL。上传确认对话框里可以顺手打标签、调整这一批的解析选项。文档是异步解析的状态依次走pending → processing → finalizing → completed列表页实时刷新进度。第三步提问并核对出处进入对话页选择这个知识库直接提问。默认走内置的「快速问答」Agent检索相关片段 → 交给 LLM 作答 → 回答带出处角标点引用能跳回原文。也可以切到「智能推理」Agent 看它自己编排检索与工具调用的过程Agent 引擎。到这里最小闭环就跑通了。参数怎么选分块、向量模型与检索策略分块大小与重叠默认 512 字符、80 重叠适配大多数文档。FAQ 型知识库调到 200–400、重叠设 0答案更精准长篇叙事文档调到 1000–2000上下文更连贯但检索粒度变粗。完整取值表见 docs/CHUNKING.md向量模型建库时选定后不要再换换模型等于重建整个索引且向量维度必须匹配。本地部署选 Ollama 的 bge-m31024 维即可起步远程 API 按实际可用模型选重排与检索策略默认走 pgvector 向量索引加 BM25 / Dense 混合召回。如果答案相关但细节不准开启 Rerank 模型对召回片段精排通常立竿见影文档间关联强的场景可再叠加知识图谱增强检索避坑指南Ollama 连不上容器内填localhost:11434是连到容器自己必须改为host.docker.internal:11434同时确认ollama serve正在运行且模型已ollama pull下来。文档上传后一直解析失败检查建库时 LLM 和 Embedding 是否都配置完整远程模型还需 Base URL 与 API Key执行docker compose logs -f app docreader看有没有 ERROR确认所用向量模型的维度与.env中INIT_EMBEDDING_MODEL_DIMENSION一致升级后 Web UI 版本没变.env中显式设置WEKNORA_VERSION为目标版本然后重新docker compose pull docker compose up -d。只执行up -d会复用本地缓存镜像版本不会变。适合谁用研发团队把设计文档、接口规范和事故复盘建成知识库新成员 30 秒查到答案并溯源到原文减少重复答疑客服团队FAQ 库接上企业微信/飞书等 IM 渠道高频产品问题自动应答人工只处理长尾培训场景新员工自助检索课程资料知识不再靠口口相传一句话总结拉代码、配模型、起容器WeKnora 就能把一堆文档变成带出处的问答系统答案可核对、配置可替换、部署可私有。下一步建议切到 Agent 模式体验多步推理或在 website-docs 文档站里找数据源同步与网页嵌入的进阶玩法。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考