腾讯开源 WeKnora:让吃灰的文档,变成会问答、能推理的知识库

企业里最常见的知识困境，不是没有文档，而是文档“躺着”：散在网盘、飞书、Notion、项目目录与历史群聊中；查得到不等于答得准，答得出也不等于能持续维护。

腾讯开源的 WeKnora 想处理的，正是这条从原始资料到可用知识的链路。它把 RAG 问答、ReAct Agent 推理、MCP 工具与联网检索，以及自动生成 Wiki 的能力整合在同一个平台中。目标不是做一个聊天框，而是让文档成为可以检索、推理、演化和治理的知识资产。

一套框架，三种知识工作方式

1. RAG 快问快答：先把日常检索做好

对于制度、产品手册、技术文档和 FAQ 这类问题，最需要的是快速且有出处的回答。WeKnora 提供基于知识库的 RAG 问答，并支持稠密检索、BM25、父子分块、GraphRAG 等检索策略。回答过程可展示 RAG 流水线进度，并通过引用卡片与参考资料抽屉回到原始来源。

2. ReAct Agent：遇到复杂问题，决定下一步该查什么、用什么工具

当问题不是一次检索能回答时，Agent 模式会把知识库检索、MCP 工具和 Web Search 编排到多步推理中。它可以根据中间结果继续寻找资料、调用受限工具、汇总结论。对用户而言，这不是单纯“检索后生成”，而是一个有过程、有边界的任务执行链路。

WeKnora Agent Mode：工具调用与推理过程界面（仓库公开截图）

3. Auto-Wiki：从原始文档到可维护的知识网络

WeKnora 最值得关注的方向，是 Wiki Mode。Agent 可以把原始文档提炼为结构化、互相链接的 Markdown Wiki 页面，并提供知识图谱浏览。更关键的是，生成结果不是一次性答案：页面可在浏览器中人工编辑、保留修订历史、查看行级 diff，并一键回滚。

WeKnora Wiki Knowledge Graph：从文档集合到关联知识网络（仓库公开截图）

为什么说它在让文档“活起来”？

• 能导入：支持 PDF、Word、Excel、图片、网页、Markdown、PPT、JSON 等多种资料；并规划或支持飞书、Notion、语雀、RSS 等数据源同步。
• 能回答：日常问题可走快速 RAG 检索，回答带引用和资料来源。
• 能推理：复杂任务可由 ReAct Agent 调度检索、MCP 与联网搜索。
• 能沉淀：原始材料被整理为结构化、可互链的 Wiki 页面与知识图谱。
• 能校正：知识库分块与 Wiki 页面都支持编辑、版本对比和回滚，编辑后可自动重新索引。
• 能治理：以工作区 RBAC、资源归属、审计日志、受限 API Key 与可观测性支撑团队使用。

RAG、Agent 与 Wiki，不应该彼此割裂

很多知识库产品只停留在“上传文件—问一个问题”。WeKnora 的思路是将三个层次接起来：RAG 解决高频事实查询，Agent 解决需要多步行动的复杂问题，Wiki 则把一次次提问与碎片资料转化为长期可阅读、可维护的知识结构。

这三者并非简单堆叠：更好的 Wiki 会改善检索的组织方式；更可靠的检索和来源引用能让 Agent 少一些无依据的发挥；人工修订和版本记录又让知识库能够持续变好。

WeKnora 模块化架构：从文档解析、检索到模型推理的可替换流水线（仓库公开架构图）

面向生产环境的“知识治理”部分

真正落地企业知识系统，挑战不只在模型效果。WeKnora 还覆盖了多工作区与四级角色权限、知识库资源归属和审计日志；支持多个对象存储实例按工作区或知识库绑定；集成 Langfuse 跟踪 Agent 推理、Token、工具调用与管线链路。

它也提供多模型、多向量数据库与多存储后端选择，可本地或私有云部署。对有数据边界要求的团队而言，这些能力比一个漂亮的问答界面更接近实际的上线条件。

如何开始体验？

建议从一个边界清楚的小知识库开始：导入团队 SOP、产品手册或项目文档，先检查解析效果和引用命中，再为复杂场景配置 Agent、MCP 与必要的联网检索。不要一开始就把所有历史资料扔进去；知识框架的价值，来自内容质量、权限范围和维护流程一起被设计。

项目地址：https://github.com/Tencent/WeKnora