WeKnora AI 问答知识库三步把一堆文档变成会回答问题的知识库【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/WeKnoraWeKnora 是一款开源的、基于大语言模型的 AI 知识平台。你上传文档就能建立知识库直接拥有可用的 RAG检索增强生成说白了就是先查资料再作答AI 问答还能自动生成带知识图谱的 Wiki。它解决的是一个很具体的问题企业文档散落在飞书、Notion 和邮箱里谁也找不到、也答不上来。整套服务用 Docker 部署在你自己的服务器上数据不出内网。一句话看懂 WeKnora 你可以把它当成一个会干活的资料馆。你把文档扔进去它自动切块、提取语义、建好索引有人提问时它先找到相关原文再让大模型带着出处作答。更关键的是这个资料馆会自我维护它能把原始文档自动整理成互相链接的 Wiki 页面和可点击浏览的知识图谱记住你是谁、常问什么还能接进飞书、企业微信里直接答话。30 秒上手路径从 0 到第一个答案 ⏱️准备服务启动后用浏览器打开 http://localhost 注册账号这就是你的私有知识库工作台。配置进入设置页选一个你要用的大模型厂商再新建知识库把第一批文档拖进去。出第一个结果解析完成后在问答框里提问答案带引用来源点一下就能核对原文。看懂核心机制文档到答案是怎么跑通的 数据进来时文档先以文件夹树的形式入库保留原有目录结构PDF、Word、图片、Excel 等十余种格式都能识别。处理中解析、分块、摘要、图谱构建各走各的异步任务队列互不阻塞每个分块被向量化——翻译成机器能比较远近的坐标——存入向量数据库。结果出来时你的问题先经过改写、补上上下文再做关键词加向量的混合召回可选图谱增强重排序之后由大模型生成带引用的答案。3 个必会场景知识库用在哪最值 客服群问题答不过来接进飞书或企业微信同一条产品问题每天被问很多遍把 WeKnora 接进团队已经在用的 IM 频道Agent 会自己检索产品手册、直接在群里回复答案带出处客服只需确认。新员工入职要啃几周文档让 Agent 自动写 Wiki团队资料多到没处下嘴时让 Agent 从原始文档自动生成互相链接的 Markdown Wiki 页面配一张可点击的知识图谱。页面写错了可以在浏览器里直接改版本历史支持一键回滚。想让知识库长在自己网站上嵌入 Widget 或 MCP如果希望自家网站挂一个 AI 助手或者让第三方 AI 工具检索你的知识库用嵌入 Widget 一行接入或者通过官方 MCP Server 让编码助手直接查库。快速开始克隆仓库跑起来 git clone https://gitcode.com/GitHub_Trending/we/WeKnora电脑里装好 Docker 和 Git 就能开始把 .env.example 复制为 .env 改好模型配置再执行 docker compose up -d 拉起全部容器浏览器打开 http://localhost 就是 Web 控制台。环境变量和可选组件的详细说明见 docs/。文档别再吃灰了让它们开始回答问题。今天上传第一篇文档明天就让全公司直接问它。【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