# WeKnora **Repository Path**: chen_zai_xing/WeKnora ## Basic Information - **Project Name**: WeKnora - **Description**: WeKnora同步 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2026-03-25 - **Last Updated**: 2026-04-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

| English | 简体中文 | 日本語 | 한국어 |

[项目介绍](#-项目介绍) • [架构设计](#-架构设计) • [核心特性](#-核心特性) • [快速开始](#-快速开始) • [文档](#-文档) • [开发指南](#-开发指南)

# 💡 WeKnora - 基于大模型的文档理解检索框架 ## 📌 项目介绍 **[WeKnora（维娜拉）](https://weknora.weixin.qq.com)** 是一款基于大语言模型（LLM）的智能知识管理与问答框架，专为企业级文档理解与语义检索场景打造。 WeKnora 提供**快速问答**与**智能推理**两种问答模式。快速问答基于 **RAG（Retrieval-Augmented Generation）** 流水线，快速召回相关片段并生成回答，适合日常知识查询。智能推理基于 **ReACT Agent** 引擎，采用**渐进式策略**自主编排知识检索、MCP 工具和网络搜索，经过多轮迭代与反思逐步推导最终结论，适合多源信息整合与复杂任务。同时支持自定义智能体，灵活配置专属的知识库、工具集与系统提示词。两种模式按需选用，兼顾响应速度与推理深度。框架支持从飞书等外部平台自动同步知识（更多数据源持续接入中），覆盖 PDF、Word、图片、Excel 等十余种文档格式，并可通过企业微信、飞书、Slack、Telegram 等 IM 频道直接提供问答服务。模型层面兼容 OpenAI、DeepSeek、Qwen（阿里云）、智谱、混元、Gemini、MiniMax、NVIDIA、Ollama 等主流厂商。全流程模块化设计，大模型、向量数据库、存储等组件均可灵活替换，支持本地与私有云部署，数据完全自主可控。 **官网：** [https://weknora.weixin.qq.com](https://weknora.weixin.qq.com) ## ✨ 最新更新 **v0.3.5 版本亮点：** - **Telegram、钉钉 & Mattermost IM集成**：新增Telegram机器人（webhook/长轮询，流式editMessageText回复）、钉钉机器人（webhook/Stream模式，AI卡片流式输出）和Mattermost适配器；IM频道现已覆盖企业微信、飞书、Slack、Telegram、钉钉、Mattermost共6个平台 - **IM斜杠命令与QA队列**：可插拔斜杠命令框架（/help、/info、/search、/stop、/clear），配合有界QA工作池、用户级限流和基于Redis的多实例分布式协调 - **推荐问题**：Agent基于关联知识库自动生成上下文相关的推荐问题，在对话界面开场前展示；图片知识自动触发问题生成任务 - **VLM自动描述MCP工具返回图片**：当MCP工具返回图片时，Agent通过配置的VLM模型自动生成文字描述，使不支持图片输入的LLM也能理解图片内容 - **Novita AI提供商**：新增Novita AI，通过OpenAI兼容接口支持Chat、Embedding和VLLM模型类型 - **MCP工具名称稳定性**：工具名称改为基于service.Name（跨重连保持稳定），新增唯一名称约束和碰撞防护；前端将snake_case工具名格式化为可读形式 - **来源频道标记**：知识条目和消息新增channel字段，记录来源（web/api/im/browser_extension），便于追溯 - **重要修复**：修复无知识库时Agent空响应、中文/emoji文档摘要UTF-8截断、租户设置更新时API密钥加密丢失、vLLM流式推理内容缺失、Rerank空段落过滤等问题 **v0.3.4 版本亮点：** - **IM机器人集成**：支持企业微信、飞书、Slack IM频道，WebSocket/Webhook双模式，流式回复与知识库集成 - **多模态图片支持**：图片上传与多模态图片处理，增强会话管理能力 - **手动知识下载**：支持手动知识内容导出下载，文件名清洗与格式化处理 - **NVIDIA模型API**：支持NVIDIA聊天模型API，自定义端点及VLM模型配置 - **Weaviate向量数据库**：新增Weaviate向量数据库后端，用于知识检索 - **AWS S3存储**：集成AWS S3存储适配器，配置界面及数据库迁移 - **AES-256-GCM加密**：API密钥静态加密，采用AES-256-GCM增强安全性 - **内置MCP服务**：支持内置MCP服务，扩展Agent能力 - **混合检索优化**：按目标分组并复用查询向量，提升检索性能 - **Final Answer工具**：新增final_answer工具及Agent耗时跟踪，优化Agent工作流

更早版本

**v0.3.3 版本亮点：** - **父子分块策略**：层级化的父子分块策略，增强上下文管理和检索精度 - **知识库置顶**：支持置顶常用知识库，快速访问 - **兜底回复**：无相关结果时的兜底回复处理及UI指示 - **Rerank段落清洗**：Rerank模型段落清洗功能，提升相关性评分准确度 - **存储桶自动创建**：存储引擎连通性检查增强，支持自动创建存储桶 - **Milvus向量数据库**：新增Milvus向量数据库后端，用于知识检索 **v0.3.2 版本亮点：** - 🔍 **知识搜索**：新增"知识搜索"入口，支持语义检索，可将检索结果直接带入对话窗口 - ⚙️ **解析引擎与存储引擎配置**：设置中支持配置各个来源的文档解析引擎和存储引擎信息，知识库中支持为不同类型文件选择不同的解析引擎 - 🖼️ **本地存储图片渲染**：本地存储模式下支持对话过程中图片的渲染，流式输出中图片占位效果优化 - 📄 **文档预览**：使用内嵌的文档预览组件预览用户上传的原始文件 - 🎨 **交互优化**：知识库、智能体、共享空间列表页面交互全面优化 - 🗄️ **Milvus支持**：新增Milvus向量数据库后端，用于知识检索 - 🌋 **火山引擎TOS**：新增火山引擎TOS对象存储支持 - 📊 **Mermaid渲染**：对话中支持Mermaid图表渲染，全屏查看器支持缩放、导航和导出 - 💬 **对话批量管理**：支持批量管理和一键删除所有会话 - 🔗 **远程URL创建知识**：支持从远程文件URL创建知识条目 - 🧠 **记忆图谱预览**：用户级记忆图谱可视化预览 - 🔄 **异步重新解析**：支持异步API重新解析已有知识文档 **v0.3.0 版本亮点：** - 🏢 **共享空间**：共享空间管理，支持成员邀请、知识库和Agent跨成员共享，租户隔离检索 - 🧩 **Agent Skills**：Agent技能系统，预置智能推理技能，基于沙盒的安全隔离执行环境 - 🤖 **自定义Agent**：支持创建、配置和选择自定义Agent，知识库选择模式（全部/指定/禁用） - 📊 **数据分析Agent**：内置数据分析Agent，DataSchema工具支持CSV/Excel分析 - 🧠 **思考模式**：支持LLM和Agent思考模式，智能过滤思考内容 - 🔍 **搜索引擎扩展**：新增Bing和Google搜索引擎，与DuckDuckGo并列可选 - 📋 **FAQ增强**：批量导入预检、相似问题、搜索结果匹配问题字段、大批量导入卸载至对象存储 - 🔑 **API Key认证**：API Key认证机制，Swagger文档安全配置 - 📎 **输入框内选择**：输入框中直接选择知识库和文件，@提及显示 - ☸️ **Helm Chart**：完整的Kubernetes部署Helm Chart，支持Neo4j图谱 - 🌍 **国际化**：新增韩语（한국어）支持 - 🔒 **安全加固**：SSRF安全HTTP客户端、增强SQL验证、MCP stdio传输安全、沙盒化执行 - ⚡ **基础设施**：Qdrant向量数据库支持、Redis ACL、可配置日志级别、Ollama嵌入优化、`DISABLE_REGISTRATION`控制 **v0.2.0 版本亮点：** - 🤖 **Agent模式**：新增ReACT Agent模式，支持调用内置工具、MCP工具和网络搜索，通过多次迭代和反思提供全面总结报告 - 📚 **多类型知识库**：支持FAQ和文档两种类型知识库，新增文件夹导入、URL导入、标签管理和在线录入功能 - ⚙️ **对话策略**：支持配置Agent模型、普通模式模型、检索阈值和Prompt，精确控制多轮对话行为 - 🌐 **网络搜索**：支持可扩展的网络搜索引擎，内置DuckDuckGo搜索引擎 - 🔌 **MCP工具集成**：支持通过MCP扩展Agent能力，内置uvx、npx启动工具，支持多种传输方式 - 🎨 **全新UI**：优化对话界面，支持Agent模式/普通模式切换，展示工具调用过程，知识库管理界面全面升级 - ⚡ **底层升级**：引入MQ异步任务管理，支持数据库自动迁移，提供快速开发模式

## 🏗️ 架构设计 ![weknora-architecture.png](./docs/images/architecture.png) 从文档解析、向量化、检索到大模型推理，全流程模块化解耦，组件可灵活替换与扩展。支持本地 / 私有云部署，数据完全自主可控，零门槛 Web UI 快速上手。 ## 🧩 功能概览 **🤖 智能对话** | 能力 | 详情 | |------|------| | 智能推理 | ReACT 渐进式多步推理，自主编排知识检索、MCP 工具与网络搜索，支持自定义智能体 | | 快速问答 | 基于知识库的 RAG 问答，快速准确地回答问题 | | 工具调用 | 内置工具、MCP 工具、Skills 支持、网络搜索 | | 对话策略 | 在线 Prompt 编辑、检索阈值调节、多轮上下文感知 | | 推荐问题 | 基于知识库内容自动生成推荐问题 | **📚 知识管理** | 能力 | 详情 | |------|------| | 知识库类型 | FAQ / 文档，支持文件夹导入、URL 导入、标签管理、在线录入 | | 数据源导入 | 飞书知识库自动同步（更多数据源开发中），支持增量与全量同步 | | 文档格式 | PDF / Word / Txt / Markdown / HTML / 图片 / CSV / Excel / PPT / JSON | | 检索策略 | BM25 稀疏召回 / Dense 稠密召回 / GraphRAG 图谱增强 / 父子分块 / 多维度索引 | | 端到端测试 | 检索+生成全链路可视化，评估召回命中率、BLEU / ROUGE 等指标 | **🔌 集成与扩展** | 能力 | 详情 | |------|------| | 模型厂商 | OpenAI / DeepSeek / Qwen（阿里云）/ 智谱 / 混元 / 豆包（火山引擎）/ Gemini / MiniMax / NVIDIA / Novita AI / SiliconFlow / OpenRouter / Ollama | | 向量数据库 | PostgreSQL (pgvector) / Elasticsearch / Milvus / Weaviate / Qdrant | | 对象存储 | 本地 / 腾讯云COS / 火山引擎 TOS / MinIO / AWS S3 | | IM 集成 | 企业微信 / 飞书 / Slack / Telegram / 钉钉 / Mattermost | | 网络搜索 | DuckDuckGo / Bing / Google / Tavily | **🛡️ 平台能力** | 能力 | 详情 | |------|------| | 部署 | 本地 / Docker / Kubernetes (Helm)，支持私有化离线部署 | | 界面 | Web UI / RESTful API / Chrome Extension| | 任务管理 | MQ 异步任务，版本升级自动数据库迁移 | | 模型管理 | 集中配置，知识库级别模型选择，多租户共享内置模型 | ## 🚀 快速开始 ### 🛠 环境要求确保本地已安装以下工具： - [Docker](https://www.docker.com/) - [Docker Compose](https://docs.docker.com/compose/) - [Git](https://git-scm.com/) ### 📦 安装步骤 #### ① 克隆代码仓库 ```bash # 克隆主仓库 git clone https://github.com/Tencent/WeKnora.git cd WeKnora ``` #### ② 配置环境变量 ```bash # 复制示例配置文件 cp .env.example .env # 编辑 .env，填入对应配置信息 # 所有变量说明详见 .env.example 注释 ``` #### ③ 启动主服务 #### 单独启动 Ollama（可选）如果你在 `.env` 中配置了本地 Ollama 模型，还需要额外启动 Ollama 服务： ```bash ollama serve > /dev/null 2>&1 & ``` #### 激活不同组合的功能 - 启动最小功能 ```bash docker compose up -d ``` - 启动全部功能 ```bash docker compose --profile full up -d ``` - 需要 tracing 日志 ```bash docker compose --profile jaeger up -d ``` - 需要 neo4j 知识图谱 ```bash docker compose --profile neo4j up -d ``` - 需要 minio 文件存储服务 ```bash docker compose --profile minio up -d ``` - 多选项组合 ```bash docker compose --profile neo4j --profile minio up -d ``` #### ④ 停止服务 ```bash docker compose down ``` ### 🌐 服务访问地址启动成功后，可访问以下地址： - Web UI：`http://localhost` - 后端 API：`http://localhost:8080` - 链路追踪（Jaeger）：`http://localhost:16686` ## 📱 功能展示

智能问答对话
Agent模式工具调用过程
知识库管理	对话设置

## 文档知识图谱 WeKnora 支持将文档转化为知识图谱，展示文档中不同段落之间的关联关系。开启知识图谱功能后，系统会分析并构建文档内部的语义关联网络，不仅帮助用户理解文档内容，还为索引和检索提供结构化支撑，提升检索结果的相关性和广度。具体配置请参考 [知识图谱配置说明](./docs/KnowledgeGraph.md) 进行相关配置。 ## 配套MCP服务器请参考 [MCP配置说明](./mcp-server/MCP_CONFIG.md) 进行相关配置。 ## 🔌 使用微信对话开放平台 WeKnora 作为[微信对话开放平台](https://chatbot.weixin.qq.com)的核心技术框架，提供更简便的使用方式： - **零代码部署**：只需上传知识，即可在微信生态中快速部署智能问答服务，实现"即问即答"的体验 - **高效问题管理**：支持高频问题的独立分类管理，提供丰富的数据工具，确保回答精准可靠且易于维护 - **微信生态覆盖**：通过微信对话开放平台，WeKnora 的智能问答能力可无缝集成到公众号、小程序等微信场景中，提升用户交互体验 ## 📘 文档常见问题排查：[常见问题排查](./docs/QA.md) 详细接口说明请参考：[API 文档](./docs/api/README.md) 产品规划与计划：[路线图 (Roadmap)](./docs/ROADMAP.md) ## 🧭 开发指南 ### ⚡ 快速开发模式（推荐）如果你需要频繁修改代码，**不需要每次重新构建 Docker 镜像**！使用快速开发模式： ```bash # 启动基础设施 make dev-start # 启动后端（新终端） make dev-app # 启动前端（新终端） make dev-frontend ``` **开发优势：** - ✅ 前端修改自动热重载（无需重启） - ✅ 后端修改快速重启（5-10秒，支持 Air 热重载） - ✅ 无需重新构建 Docker 镜像 - ✅ 支持 IDE 断点调试 **详细文档：** [开发环境快速入门](./docs/开发指南.md) ### 📁 项目目录结构 ``` WeKnora/ ├── client/ # go客户端 ├── cmd/ # 应用入口 ├── config/ # 配置文件 ├── docker/ # docker 镜像文件 ├── docreader/ # 文档解析项目 ├── docs/ # 项目文档 ├── frontend/ # 前端项目 ├── internal/ # 核心业务逻辑 ├── mcp-server/ # MCP服务器 ├── migrations/ # 数据库迁移脚本 └── scripts/ # 启动与工具脚本 ``` ## 🤝 贡献指南我们欢迎社区用户参与贡献！如有建议、Bug 或新功能需求，请通过 [Issue](https://github.com/Tencent/WeKnora/issues) 提出，或直接提交 Pull Request。 ### 🎯 贡献方式 - 🐛 **Bug修复**: 发现并修复系统缺陷 - ✨ **新功能**: 提出并实现新特性 - 📚 **文档改进**: 完善项目文档 - 🧪 **测试用例**: 编写单元测试和集成测试 - 🎨 **UI/UX优化**: 改进用户界面和体验 ### 📋 贡献流程 1. **Fork项目** 到你的GitHub账户 2. **创建特性分支** `git checkout -b feature/amazing-feature` 3. **提交更改** `git commit -m 'Add amazing feature'` 4. **推送分支** `git push origin feature/amazing-feature` 5. **创建Pull Request** 并详细描述变更内容 ### 🎨 代码规范 - 遵循 [Go Code Review Comments](https://github.com/golang/go/wiki/CodeReviewComments) - 使用 `gofmt` 格式化代码 - 添加必要的单元测试 - 更新相关文档 ### 📝 提交规范使用 [Conventional Commits](https://www.conventionalcommits.org/) 规范： ``` feat: 添加文档批量上传功能 fix: 修复向量检索精度问题 docs: 更新API文档 test: 添加检索引擎测试用例 refactor: 重构文档解析模块 ``` ## 🔒 安全声明 **重要提示：** 从 v0.1.3 版本开始，WeKnora 提供了登录鉴权功能，以增强系统安全性。在生产环境部署时，我们强烈建议： - 将 WeKnora 服务部署在内网/私有网络环境中，而非公网环境 - 避免将服务直接暴露在公网上，以防止重要信息泄露风险 - 为部署环境配置适当的防火墙规则和访问控制 - 定期更新到最新版本以获取安全补丁和改进 ## 👥 贡献者感谢以下优秀的贡献者们： [![Contributors](https://contrib.rocks/image?repo=Tencent/WeKnora)](https://github.com/Tencent/WeKnora/graphs/contributors) ## 📄 许可证本项目基于 [MIT](./LICENSE) 协议发布。你可以自由使用、修改和分发本项目代码，但需保留原始版权声明。 ## 📈 项目统计