WeKnora 私有化知识库实战指南上传文档拥有带引用的 RAG 问答【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需要回答新员工入职流程怎么配置时你要在十几份制度 PDF 里来回翻找每答一个问题都耗时半天。WeKnora 是一个开源的 LLM 知识平台上传文档后它自动完成解析、分块与索引提问时返回带可点击引用来源的答案也能让 Agent 自主完成多步检索与推理。WeKnora 速览开源知识库能做什么WeKnora 的定位是私有化部署的 LLM 知识平台主线有三条基于RAG的快速问答、自主编排检索与工具的ReAct Agent、以及把原始文档加工成互联知识页面与知识图谱的Wiki 模式。架构完全模块化解析、向量化、检索、推理各环节可独立替换大模型厂商、向量数据库、存储后端均可更换支持本地与私有云部署数据在自己手里。核心功能拆解功能一RAG 快速问答答案带引用快速问答模式下系统先从知识库检索相关片段交给大模型生成回答答案里附带来源标注点击标注可跳回原文分块核对。价值你得到的不只是答案还有可核查的证据链。功能二智能推理 Agent检索几轮由模型自己定复杂问题可切换到内置的智能推理Agent。它按ReAct循环工作搜关键词、命中片段、继续读原文、必要时再搜——检索几轮、要不要联网、调不调工具都由模型自行决定全过程在对话窗口里逐步展开。价值多步任务不用你预先编排流程推理过程全程可见。功能三Wiki 模式文档自动变成知识地图文档的另一重用法Agent 通读原始文档自动生成相互链接的 Markdown Wiki 页面并抽出概念与关系绘制知识图谱页面支持浏览器内编辑、版本历史与一键回滚。配置细节见知识图谱说明与Wiki 模式文档。价值知识库从能搜升级为能看知识结构直接呈现在图上。上手路径四步从部署到首次问答前提机器上装好 Docker 与 Docker Compose。完整链路官方快速上手里都有。第 1 步启动服务执行git clone https://gitcode.com/GitHub_Trending/we/WeKnora进入目录后复制.env.example为.env填好模型配置再运行docker compose pull docker compose up -d。 做完你会看到打开 http://localhost 出现注册页后端健康检查返回 ok。第 2 步注册并建知识库注册一页完成自动获得自己的工作空间你是 Owner。新建知识库后初始化向导里选对话模型与向量模型向导自带测试按钮验证连通性。注意向量模型建库后别换换了要重建索引。 做完你会看到知识库创建成功模型配置落库。第 3 步上传文档把 PDF、Word、Markdown、Excel 拖进上传区或粘贴网页 URL上传对话框里可给这批文件打标签、调整解析选项。 做完你会看到文档列表实时刷新解析进度状态从待处理走到已完成。第 4 步提问并核对对话页选中刚建好的知识库用默认快速问答 Agent 直接提问。 做完你会看到回答带引用角标点角标跳回原文分块。效果呈现跑通第一遍之后快速上手指南给出的口径是顺利的话从注册到首次问答约十几分钟其中大部分时间花在等文档解析。变化本身更具体答题前不再需要记住内容在哪个文件答案带出处存疑时点引用即可核对复杂问题的推理过程逐条展开可看答案从哪来不再是黑箱适用边界WeKnora 适合谁它最适合要把内部文档手册、制度、API 文档沉淀到内网、让全员用统一入口提问的团队数据不出自己机器还能接 IM 频道与网站嵌入。如果你只是想让几个文档能问答、不需要团队知识库与权限管理更轻的方案就够项目也明确建议部署在内网环境不要直接暴露公网。收尾如果你手头正好有一摞 PDF现在就可以花十几分钟把它问起来 【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