ARTICLE · 1026228
腾讯开源的文档神器:AI 自己维护知识库
企业内部的知识库，问题从来不是"文档不够多"，而是"文档太多、太乱，没人整理"。PDF、Word、表格、飞书文档散落各处，真到要查一个东西的时候，要么搜不到，要么翻出来的是三年前的旧版本。更尴尬的是，现在把文档喂给大模型，它有时能答对，有时一本正经地编造——因为检索没到位，模型只能靠"印象"硬答。
腾讯开源的 WeKnora，想解决的正是这件事。它不只是一个"文档问答"工具，而是把"检索、推理、整理"三件事串成一个能自己转起来的知识系统。
项目地址：https://github.com/Tencent/WeKnora
不只是检索，它会自己拆问题
大多数 RAG 工具的套路是：把文档切成块，用户提问时做向量检索，把最像的几段塞给模型，让模型照着答。这条路在简单问题上够用，但遇到"帮我把这几份文档里的数据对比一下、再给出结论"这种多步任务，就卡住了。
WeKnora 在这个基础上多了一层：一个基于 ReAct 的自主推理 Agent。问它复杂问题时，它不是直接返回检索结果，而是自己规划步骤——先去知识库里查，查不到就调 MCP 工具或联网搜索，中间如果信息不够，再回头补充检索，最后才给出结论。整个过程是可追溯的，接了 Langfuse 之后，每一步推理、每一次工具调用、消耗了多少 token，都能在面板上看到。
这种"会自己想办法找答案"的能力，让它从"检索器"变成了真正能干活的助手。
会自己更新的 Wiki，才是它的杀手锏
最值得说的是它最近主推的 Wiki 模式。传统知识库是"人写、机器存"，文档更新了，还得有人手动去改百科页面，久而久之就没人维护了。
WeKnora 的 Wiki 模式反了过来：把原始文档丢进去，Agent 会自动把这些散乱的资料提炼成一篇篇互相关联的 markdown 页面，还带知识图谱和版本历史。文档改了，Wiki 跟着更新；发现写错了，还能一键回滚。等于让 AI 自己当那个"整理文档的编辑"，人只需要负责上传原材料。
这个方向的意义在于：它把知识库从"一次性建设"变成了"持续自维护"。对文档一直变、又没人愿意天天整理的团队来说，这是真正踩到痛点的功能。
适合谁用
WeKnora 的模块化设计给得很足：模型可以换（OpenAI、DeepSeek、Qwen、Gemini、MiniMax、Ollama 都支持），向量库可以换（pgvector、Milvus、Elasticsearch 等），存储也可以换，本地或私有化部署都能做，数据主权在自己手里。支持 PDF、Word、图片、Excel 多种格式，还能直接通过企业微信、飞书、Slack 这类 IM 渠道提问。
截止目前它在 GitHub 上有 25420 Star，今天一天涨了 1197，这个增速放在 RAG 赛道里算是相当能打。背靠腾讯、MIT 开源协议，加上文档解析、Agent 推理、自我维护 Wiki 这套完整闭环，很适合那些"文档多、想搭企业级知识库、又在意数据不出门"的团队。
要说它不适合谁，大概是只想做个轻量个人问答、连 Docker 都不想碰的人——它的定位从一开始就是企业级知识平台，轻量场景反而显得重。
项目地址：https://github.com/Tencent/WeKnora
📌 往期推荐
如果觉得有用，可以点个 关注 和 推荐，也欢迎 转发