团队文档散在 9 处,让它收成一个知识库

团队文档散在 9 处，让它收成一个知识库

团队文档散在飞书、语雀、Notion 和共享盘里，同一个问题新人问三遍，你翻三处贴三次链接。想自建一套，又卡在两件事上：分块改不动，组件换不了。

01先说它是干什么的

WeKnora（维娜拉）是一套开源的 LLM 知识框架，把文档灌进去之后同时做三件事：基于知识库的 RAG 问答、能自己调工具的多步推理 Agent，以及从原始文档自动生成互相链接的 Wiki 页面。后端用 Go 写，形态是 Web UI 加 REST API，另有命令行、Chrome 插件和微信小程序。当前 24,914 星，单日再涨 696，最近一次提交就在今天。

它不是又一个「传个 PDF 然后问答」的知识库，不是绑死在别人云上的 SaaS，也不是只管检索的向量库；它更接近一套自托管的知识底座，模型、向量库、解析引擎、存储都能逐项换掉。

这件事市面上的办法大致两类。一是买 SaaS 知识库，开箱即用，代价是文档要出内网、模型和向量库没得选。二是自己拼一套，灵活，代价是解析、分块、权限、升级这条管道长期占掉一个人力。它选了第三条路：模块化自托管，一条 docker compose 起一整套，哪块不合适换哪块。

知识库页：左侧目录树，右侧文档卡片，底部批量操作条

02四条命令跑起来

前置只有两样：Docker（带 Compose）和 Git，不需要本地 Go 环境。下面这四条按顺序抄完就能用。

跑起来先看到的是 Web UI（http://localhost），左侧导航是「新对话 / 知识库 / 共享空间」，后端 API 在 8080。第一件事是进设置里配模型，列表上有 OpenAI、DeepSeek、Qwen、混元、智谱、Gemini、MiniMax、Ollama、LiteLLM 等二十来家，本机装了 Ollama 就一分钱不花。

知识图谱、对象存储、链路追踪是可选组件，用 profile 按需加，挑一条跑就行，不用全上，多个 profile 可以叠着写。

成本说清楚：软件本身免费自托管，真正的开销是模型调用，用自己的 API key 或指向本地模型；数据落你自己的磁盘，向量库用的是 compose 里的 pgvector，不用另买。

03差别在能不能改

改前改后的差别，不在功能条目多少，而在知识进来之后还能不能动。

以前的流程是这样：同一份制度在三个平台各躺一份，问起来得人工对齐；接上 RAG 之后只有只读问答，发现某一块切错了只能把原文件重传一遍；模型和向量库写死在配置里，想换一家要动代码。

现在换成：数据源按增量同步进同一个库，十几种格式自己解析、自己分块；检索命中的那一块在界面上直接改，改完自动重建索引，改坏了有版本快照和行级 diff 可以回滚；需要出文件时，Agent 在沙箱里跑命令把产物落下来，你在右侧直接预览。

自己拼一套，和装好一套的差别

04分块改得动才算数

知识管理这块，它把「还能改」当成默认能力来做。

目录树保留原结构：文件夹上传时目录层级一起入库，能像文件管理器那样浏览、重命名、把文档挪到别的目录。为什么需要：两百份文档平铺在一个列表里，找东西全靠搜索，等于没有管理。

分块可以逐块编辑：检索命中的那一段直接在界面上改，保存后自动重建索引。为什么需要：切分策略再调也有切错的时候，只能重传整篇的话，没人愿意动它。

每次改动都留版本：分块有逐版本快照，能看 diff、能一键回滚。为什么需要：知识库改错了很难发现，没有回滚就不敢改。

录入方式不止上传：知识库分 FAQ、文档、Wiki 三类，文件夹、URL、在线录入都收，解析完还会按已有标签自动关联，不新建标签、不覆盖人工标签。

改单个分块：右侧是编辑区与历史，v1 到 v3 可对比可回滚

05问答之外还有 Wiki

Wiki 模式是它和普通 RAG 分岔的地方：Agent 读原始文档，生成互相链接的 Markdown 页面和一张知识图谱，页面上能直接编辑，保留版本历史、行级 diff 和一键回滚。规模问题也考虑到了，任务队列加死信队列是为支撑万级文档的知识库。

它和直接问答解决的不是同一件事，选哪条路取决于你要的是答案还是沉淀。

问答和 Wiki，各解决一半问题

06它会自己调工具

它的 Agent 不是一问一答，而是 ReAct 式多步推理：自己决定下一步查什么、要不要调工具。

技能目录加沙箱：从 ClawHub、SkillHub、git 仓库或 zip 装技能（skill 可以理解成插件位，放一份说明文件进去，Agent 干活前先读一遍），装进会话级的 Docker / E2B / Cube 沙箱，可以用 shell_exec 跑命令、读写文件、收集产物。为什么需要：要它交一份 Word 或 PPT，光有知识不够，得有能动手的地方。

长期记忆：跨会话记住你的画像、偏好、事实和任务，自动抽取会先让你确认，也能主动 search_memory。为什么需要：每次开新对话都重新交代背景，用几次就懒得开了。

工具与 MCP 可收窄：内置工具之外能接外部 MCP 服务（含 OAuth2 授权），也能用 @Skill、@MCP 把某一轮的范围限死。为什么需要：工具越多，模型越容易乱调。

临时附件与推荐问题：会话里能临时传图片或文档，解析完只对这一轮生效；空对话时它从知识库内容里生成几个推荐问题，省得你不知道从哪问起。

一轮对话 17 个思考轮次、20 次工具调用，产出的 Word 在右侧预览

07组件都能换掉

自建 RAG 最怕的不是上线，是两年后想换掉其中一环却发现换不动。它把这条防线做在了设置里。

模型二十来家：OpenAI、Azure、Anthropic、DeepSeek、Qwen、智谱、混元、豆包、Gemini、MiniMax、Ollama、LiteLLM 等，还能按知识库选不同模型。

向量库八种：pgvector、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、腾讯云 VectorDB。为什么需要：换一家云或换一套检索策略，不该等于重做一遍。

存储与解析可替换：对象存储支持本地、MinIO、S3、OSS、COS、TOS、KS3、OBS，可按空间配多实例；解析引擎可选 OpenDataLoader、PaddleOCR-VL，Office 文档走进程内的 anydoc。为什么需要：PDF 和扫描件的解析质量，基本决定后面检索的上限。

08权限与安全摆明面

能进企业的东西，权限模型躲不掉。

空间四级角色：Owner / Admin / Contributor / Viewer，资源按知识库归属，每个空间有审计日志。为什么需要：文档权限错一次，比功能少一半更麻烦。

API Key 有权限范围：能力级授权加按知识库限制，带最近使用时间追踪。为什么需要：接进来的第三方脚本不该拿到全量权限。

凭据加密与隔离：API Key、数据源凭据走 AES-256-GCM 静态加密并支持轮换，技能跑在沙箱里按空间配网络策略。官方也写明了：生产环境别把服务直接放到公网。

09接到你常在的地方

知识库建完没人用是常态，它的路子是把入口铺到你已经在的地方。

十个 IM 频道：企业微信、飞书、Lark、微信、QQBot、钉钉、Slack、Telegram、Mattermost、云之家，在群里直接问。

网页嵌入与 MCP：嵌入 Widget 能把问答挂到自己站点，带域名白名单和限流；官方 PyPI 包 tencent-weknora-mcp 提供 29 个工具，支持 stdio / SSE / HTTP 三种传输。

给编码 Agent 的插件：官方的 DeepSeek Harness 插件 dsh-weknora，装上之后工具集里多出四个只读工具，检索、读文档、提问、列知识库。为什么需要：写代码时顺手查规范，比切窗口去搜快得多。

10这些情况别用它

只想问一个文件两个问题：这套东西的部署成本远大于收益，直接用网页版工具更省事，它的价值在长期沉淀。

没人维护文档的团队：先解决有没有人写，再上工具。知识库只会把现有的混乱原样搬进去，检索再准也搜不出没写下来的东西。

不能接受模型调用出内网：得先准备好本地模型（Ollama 那类）再谈落地，不准备的话问答质量会明显低一档。

追新版本的生产环境：它还在 0.x，当前 0.8.0，版本之间改动不小，升级要跑数据库迁移，先在测试环境过一遍再动。

11我的三条判断

同类项目多数停在「文档能问」这一层，它把后半段补齐了：改得动、换得掉、发得出去。这三件事看着不酷，恰恰是自研团队后期最费人力的地方。

真要上手，我会先只跑核心服务，配一个本地模型，喂二十份真实文档看检索质量，再决定要不要上对象存储和知识图谱。可选组件一次全开，出了问题你分得清是组件还是模型吗？先跑通最小可用的一套更好判断。

把文档灌进知识库不难，难的是两年后它还改得动、换得掉、有人在用。

仓库链接放在文末「阅读原文」了。先收着，遇到同类问题能少想一步。

你们团队的文档现在主要放在哪，飞书、语雀还是共享盘？评论区说一个，我挑几款同类工具做下期横评。

本文依据 Tencent/WeKnora 的官方 README 整理，关键事实与参数以仓库原文为准；配图取自项目仓库，版权归项目方。