如何十分钟搭起自己的 RAG 知识库：WeKnora 完整指南
如何十分钟搭起自己的 RAG 知识库WeKnora 完整指南【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产品手册上个月刚更新流程文档躺在某个共享盘里客户来问一句“怎么申请退款”你得翻半天文件和群记录。WeKnora 是一个开源 RAG 知识库平台把文档传上去就能用自然语言提问答案还带出处。WeKnora 是什么WeKnora 是一个开源自部署的 LLM 知识平台MIT 协议做的事情很聚焦把你散落的文档变成可以提问的知识库。它给每个人备了三条提问路径——RAG 快速问答先检索相关段落再作答、会推理会调工具的 ReAct 智能体、以及会自动整理的 Wiki。适合不想把数据交给云服务、想自己掌控知识库的个人和小团队。最短路径跑通5 条命令环境要求很轻一台装好 Docker 和 Docker Compose 的机器加上一套可用模型本地 Ollama 或任意 OpenAI 兼容 API至少要有对话模型和向量模型各一个。git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env docker compose pull docker compose up -d浏览器打开http://localhost注册账号建一个知识库、选好模型就可以上传文档了。等解析完成后提问回答里会带引用角标点一下能跳回原文段落。不想拉容器栈的话还有 Lite 版make run-lite一个进程跑完零外部依赖数据全在本机。能力地图知识库怎么建文档怎么进来知识库主要分文档型和 FAQ 型两种。文件可以拖拽上传也可以直接粘贴网页 URLPDF、Word、Excel、PPT、Markdown、EPUB、图片、音频等十几种格式都能吃进去。文档本来就放在飞书、Notion、语雀或 RSS 里的可以接数据源自动增量同步不用搬文件。解析完成后文档列表保留原本的文件夹树重命名、挪位置像用文件管理器一样送进检索的分块也能在页面上直接编辑带版本对比和一键回滚。 检索准不准混合检索怎么配快速问答默认用混合检索BM25 关键词检索按字面词匹配和向量检索把文字变成一串数字来比较语义相似度并行出结果再用重排序模型对候选段落打分排序排一遍最后交给大模型作答。这些组件都能按知识库开关和替换换个更强的重排模型、调分块大小或接上 Neo4j 启用知识图谱检索。每句答案都标注了引用来源方便逐条核对。检索相关实现在 internal/application/service/。复杂任务交给 Agent 推理对话框顶部切到“智能推理”跑的就是 ReAct 智能体先想一步、再做一个动作、看结果再修正的循环。它自己决定检索几轮、要不要联网搜、要不要调 MCP 工具一种让 AI 调用外部工具的通用协议还能在沙箱里写脚本跑任务。跨会话的长期记忆会记住你是谁、最近在关注什么。这套引擎的代码在 internal/agent/。 让文档自己长成 WikiWiki 模式是这里最有意思的功能智能体把原始文档蒸馏成一组互相链接的 Markdown 维基页配可视化知识图谱。页面可以手动编辑带修订历史、逐行差异对比和一键回滚。你的知识不再是一堆静态文件而是会持续自我维护的东西。原理速览核心是一条单向流水线。上传时文档解析微服务Python 写的独立进程支持 25 格式docreader/parser/ 里每种格式一个解析器负责解析、切块、生成向量元数据、分块和向量默认存在同一个 PostgreSQL 里——官方用的是 ParadeDB 版自带 BM25 全文检索和 pgvector 向量能力所以不用单独搭向量库。查询时混合检索加重排选出候选段落交给 LLM 生成带引用的回答智能体则把“检索”包进循环叠上联网搜索和工具调用。整条链路模块化模型、向量库、对象存储都可以换。真实场景团队知识库。流程文档、产品资料散在飞书和语雀新人上手全靠问老人。实操建议接上飞书数据源自动同步再把问答接进企业微信群同事直接在群里提问答案带出处。官网客服挂件。高频问题和产品文档建一个知识库用嵌入挂件把智能体发布到自己网站上访客即时获得解答数据全程留在你的服务器。个人第二大脑。读书笔记、研究资料想建个人知识库但数据不想出内网。实操建议笔记本上跑 Lite 版配本地 Ollama 模型做对话和向量化完全离线闭环。文档不再是给人翻的而是给机器问的问出来的答案还带得出处的 WeKnora值得装进你的工具箱。想深入某个能力从官方文档 website-docs/ 开始即可。【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
