企业官网建设流程全解析

WeKnora 实战指南：3 条命令跑通私有化 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

WeKnora 是开源 LLM 知识平台：把文档丢进去，就能得到可查询的 RAG 问答服务，还带 Agent 推理和自动生成 Wiki。想试用或把知识库接进业务，照着做就行。

跑通：三步启动 WeKnora 知识库

1. 获取代码

git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env

你应该看到：clone 完成，.env文件就绪。变量很多，初始只需填两组——LLM 与 Embedding 模型（本地 Ollama 或云端 API 均可）。

2. 启动服务

./scripts/start_all.sh

脚本首次运行会自动补全.env并拉取镜像。需要可选组件（MinIO、Neo4j 图谱、Langfuse 追踪）时，用docker compose --profile minio up -d这类命令叠加启动。

3. 验证可用

启动完浏览器打开http://localhost，你应该看到注册与模型初始化向导：

在页面填好模型接口与向量库，随后进入知识库创建页。命令行可用curl http://localhost:8080/health确认后端存活；服务起不来就看日志：docker compose logs -f app。

它到底能帮你干什么

文档问答：上传即问

解决"知识散在文档里、检索靠人肉"的问题。建知识库后上传 PDF、Word、Excel 等十余种格式，解析完成即可提问，答案带引用抽屉，可点开溯源到原始分块：

检索层是 BM25 加向量召回的混合方案，再经 rerank 排序，实现见 internal/application/service/retriever/。

Agent 模式：会推理、会执行

多步问题（查文档、联网核对、汇总）可切到 ReAct Agent，它自主编排知识库检索、MCP 工具与网络搜索，每步过程都可见。工具注册入口在 internal/agent/tools/。

Wiki 模式：让 Agent 帮你写知识库

WeKnora 还能让 Agent 从原始文档生成结构化、相互链接的 Markdown Wiki 页面与可视化知识图谱，支持浏览器内编辑、版本历史和一键回滚：

配置与避坑

文档上传失败或解析报错——症状：上传后一直转圈或标红；原因：LLM / Embedding 模型没配好，或向量维度不匹配；处理：核对.env里INIT_LLM_*与INIT_EMBEDDING_*（含 DIMENSION），再查 ERROR 日志。

多模态开了但图片不显示——症状：对话中图片链接失效；原因：文档内图片解析依赖对象存储，默认本地存储不可外访；处理：追加docker compose --profile minio up -d，然后重新上传文档。

升级后界面版本没变——症状：改了WEKNORA_VERSION仍显示旧版；原因：up -d复用了本地缓存镜像；处理：先docker compose pull再up -d。

端口被占用——症状：启动报端口冲突；原因：前端默认 80、后端默认 8080；处理：改.env里的FRONTEND_PORT与APP_PORT。

往深里走

• 免重建镜像做二次开发：快速开发模式，make dev-start起基础设施，make dev-app、make dev-frontend分别起后端与前端，改动热重载。
• 换组件：向量库（pgvector / Elasticsearch / Milvus）、模型厂商、对象存储都靠环境变量切换，参考 .env.example 注释。
• 外部系统接入：REST API 用X-API-Key请求头鉴权，检索接口可直接调：

curl -H 'X-API-Key: sk-xxx' -H 'Content-Type: application/json' \ 'http://localhost:8080/api/v1/knowledge-search' \ -d '{"query":"如何配置知识库","knowledge_base_id":"kb-00000001"}'

资源索引

跑通 WeKnora，你的文档就从"躺在硬盘里"变成"可查询、可推理、可自演进"。下一步建议：传一批真实文档，提 5 个真实问题检验检索质量；开启多模态把图片内容用起来；按 API 参考把知识库接进现有系统。

【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