手把手跑通 WeKnora企业文档智能问答平台完整上手指南【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/WeKnoraWeKnora 是一个开源的 LLM 知识平台把文档丢进去就能得到支持知识检索、答案溯源和 Agent 推理的智能问答系统。如果你是想快速搭一个团队内部问答助手的开发者或技术负责人这篇文章带你从空环境走到第一个可用知识库。读完你能跑起来、用起来也知道哪里该调。它到底能干什么 文档智能问答上传 PDF、Word、Excel 等文档解析完即可提问回答带可点击的引用来源Agent 推理复杂的多步问题交给 Agent它自己决定检索几轮、要不要联网、调不调工具Wiki 自动生成Agent 从原始文档中自动产出相互链接的 Wiki 知识库支持人工编辑和版本回滚多源知识同步飞书、Notion、语雀、RSS 等可以自动增量同步不用手动传文件私有化部署大模型、向量库、存储后端都能换数据留在自己机器里从零到跑通 前置条件装好 Docker 和 Docker Compose确认 80、8080 端口空闲内存建议 4GB 以上。想跑本地模型就再装一个 Ollama。一键启动克隆代码、复制一份配置模板然后交给 Docker Composegit clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .envdocker compose pull docker compose up -d服务起来后前端在http://localhost后端 API 在http://localhost:8080访问http://localhost:8080/health返回 ok 就说明健康。如果你想连 Ollama 一起拉起来仓库里带了一个脚本 scripts/start_all.sh把启动和环境诊断都包在一起。数据是怎么变成答案的 ⚙️从上传到回答一共四步半解析文档交给独立的解析服务PDF、Word、Excel、图片都转成统一文本界面能看到逐阶段进度分块按语义边界切块默认 512 字符、相邻块重叠 80 字符每块成为独立索引单元索引分块被 Embedding 模型转成向量写入向量库同时建好关键词索引检索你提问时稠密向量和稀疏关键词两路混合召回可选重排生成LLM 基于召回片段作答答案里标出出处点引用能跳回原文创建你的第一个知识库 首次访问先注册账号注册完自动得到一个工作空间你在这个空间里是 Owner进「知识库」页点新建填名称类型选文档库或 FAQ 库弹出的初始化向导里选对话模型LLM和向量模型Embedding点「测试」确认连得通再保存。用宿主机 Ollama 的注意坑地址要填http://host.docker.internal:11434填 localhost 容器里连不上进库拖入文档列表里状态变成「已完成」就可以去对话页提问了回答会带上来源模型与后端的几种选法三种典型搭配按资源和数据安全要求挑方案配置适合谁全本地Ollama 承担 LLM 和 Embedding数据不能出机房、有 GPU 或性能不错的 CPU全云端OpenAI 兼容 APIDeepSeek、Qwen、智谱等没有算力想最快跑通混合云端 LLM 本地向量库回答要快但知识数据必须留在本地向量库同理默认 PostgreSQLpgvector BM25一个库同时搞定向量和关键词不用动向量规模上到千万级再考虑 Qdrant、Milvus公司已有 Elasticsearch 就复用。两个坑提前说知识库绑定的向量存储建库后不能改Embedding 模型换了要重建索引——所以建库前把这两项想清楚。让检索更准的三个调参思路 调分块回答总答半句调大块尺寸或开父子分块子块检索、父块回答命中总是偏题调小块尺寸让主题更集中。改之前可以先预览切块效果不用先落库开 Rerank混合召回后加一层重排对召回结果靠前几条的质量提升最明显换更强的对话模型如果检索很准但答案差瓶颈在生成环节直接换 LLM不用动检索参数碰到具体问题先翻 docs/QA.md官方把常见启动异常和检索不佳的排查步骤都整理在里面了。三个真实场景研发团队技术文档、规范、会议纪要入库同事直接问不再满硬盘翻文件客服支持产品手册加 FAQ 入库接上企微或飞书频道高频问题自动答、疑难转人工内部培训课件材料入库后员工自助问答新人不用从头啃全套文档到这里你的知识库已经在跑了。下一步可以先接一个数据源让知识自动进来或者把问答挂到 IM 渠道上让团队在聊天窗口里直接提问。【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