企业官网建设流程全解析

从文档到可问答的知识库：3 步快速搭好 WeKnora 开源 RAG 平台

【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

WeKnora 是一个开源的 LLM 知识框架，核心功能是把散落在各处的 PDF、Word、网页等原始文档，加工成可语义检索的 RAG 知识库，同时提供 ReAct 推理 Agent 和自动维护的 Wiki。对新手来说，它最省心的地方在于：不需要自己搭向量库、写检索代码，一条 docker compose 命令起服务，十几分钟就能让文档"开口说话"。这篇按"跑起来 → 建库 → 问答 → 分发"的顺序走一遍真实使用路径。

一条命令启动，先弄清它怎么分工

先看架构，心里有底再动手。整条链路分四层：入口层是 Web 界面、IM 机器人、MCP Server 等渠道；中间是文档处理（解析、分块、嵌入、图谱）和 RAG/Agent 引擎（查询改写、混合检索、重排、生成）；底下是 PostgreSQL、向量库、对象存储等持久层。注意一个设计决策：大模型、向量库、对象存储全部是"插槽"，OpenAI、Ollama、Milvus、Qdrant、S3 这类组件都可以替换，这也是它适合私有化部署的原因。

本地启动只需要 Docker 和 Git：

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即可。如果想加知识图谱（Neo4j）或链路追踪（Langfuse），按需叠加--profile neo4j、--profile langfuse启动，具体见 安装部署文档。

建库只选两个模型，其余全可后补

注册账号后新建知识库，向导只强制两项：对话模型（LLM）和向量模型（Embedding）。重排、图片理解、图谱抽取都是可选项，随时能加。这里有一个新手最容易踩的坑：如果用本地 Ollama，后端在容器里，localhost:11434是连不通的，要填http://host.docker.internal:11434；另外 Embedding 模型建库后别换，换向量维度意味着整个索引重建。

建库后把文档拖进上传区（也支持粘贴网页 URL、从飞书/Notion/语雀自动同步）。解析过程走异步任务队列，界面能看到逐阶段进度；解析完的文档还能在界面上直接编辑检索分块，改动会自动重建索引，并保留版本历史可回滚——这在很多 RAG 方案里是缺失的一环。

快速回答与 Agent 推理，两种模式怎么选

底部输入框旁的"快速回答"走的是标准 RAG 流水线：查询改写 → BM25 加向量混合召回 → 重排 → 带引用的答案。截图里问的是智能家居中控的场景联动配置，检索命中 1 篇文档，回答结构清晰且标注了来源文件，日常查文档用它最划算。

复杂问题可以切到"智能推理"。Agent 模式下系统会自主决定调几次检索、翻哪几页文档，甚至动用网络搜索和 MCP 工具，每一步都可见可审计。

这张截图很说明问题：Agent 思考 2 轮、调用 3 次工具，先检索"检索策略"关键词，再定位到具体文档逐页加载了 17 个分块，最后产出带参数表格的总结。它不是"一次检索硬答"，而是像工程师一样先缩小范围再通读细节，代价是耗时更长。选型的经验法则：事实查询走 RAG，跨文档综合、需要多步取证的任务交给 Agent。

把知识库推进 IM，团队零门槛复用

自己用起来只是开始，团队场景下更常见的需求是"别让人学新界面"。设置 → IM 集成里可以接入企业微信、飞书、Slack、Telegram 等 10 个渠道，截图就是配企业微信的凭据页面，填好 Bot 信息保存，机器人在群里就能被 @ 提问，走的是同一套知识库和模型配置。

对外分发还有两条路：网页嵌入 Widget 可以把问答窗口挂到任意外部站点（支持域名白名单和限流）；API 集成提供权限范围 API Key，按知识库粒度授权，第三方系统不用整包鉴权。想深挖接口细节，可以从 API 文档 和 官方文档站 入手。

下一步就从动手开始：

git clone https://gitcode.com/GitHub_Trending/we/WeKnora

拉下来跑通docker compose up -d，把你手头最常被问到的那批文档传进去，第一个问题答案十分钟后见分晓。

【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