不只是跟文档聊天!腾讯超3万Star让资料自己长成Wiki

↑ 点击上方名片关注，看 AI 与开源好工具

把一份几十页的规章资料交给 AI，如果它吐出来的只是对话框里的一段零散回复，你还是得自己手动复制、整理、排版。但在腾讯开源的知识管理框架 WeKnora（维娜拉） 里，事情变成了另一种玩法：

在这张官方演示的 Wiki 页面中，系统基于导入的规章文档，直接整理出了一份结构规整的网页文档。左侧带有层级分明的大纲导航，正文清晰拆解了年假核算标准与申请规则，底部还标明了关联文档与出处引用。

在 GitHub 上收获超 3 万 Star 的 WeKnora，最大的突破正是跳出了“只能在输入框里你问我答”的局限。它不仅能做检索问答，更能把团队或个人手里零散散落的资料，自动重组为条理清晰的 Wiki 知识库与交互图谱。

资料不再是孤岛：自动重组知识与可视化图谱

平时搭建知识库，最麻烦的往往是文档格式五花八门。WeKnora 提供了统一的文档管理后台：

文档管理中心支持建立树状目录与标签分类，除了本地上传，还支持对接飞书、Confluence、GitLab 等外部数据源。针对常见的 Office 文档（如 Word、Excel），项目内置了由 Go 语言编写的 anydoc 解析引擎，在进程内即可完成基础文本与表格的高效抽取，减少了对额外繁重解析工具的依赖。

在文档完成解析与切片后，WeKnora 能够从文档中提取概念与来源，将分散的信息聚合成主题 Wiki 页面。更进一步，系统还能将跨文档的实体关系可视化：

在知识图谱界面中，诸如报销标准、差旅规范、审批流等交织在一起的概念，被绘制成一张可交互的节点网络。选中图谱节点，右侧即可阅读对应条目。对于需要理清繁杂业务脉络的团队来说，这种自动编织的关联网络让静态资料真正具备了结构化沉淀的价值。

问答附带出处：便于核对原文，降低幻觉困扰

当然，作为知识库的基础功底，智能检索与问答依然至关重要。很多人对大模型读文档最大的顾虑，就是担心模型在长文本里“幻觉瞎编”。

WeKnora 在问答界面中强化了原文引用的可核验性：

在这张以智能家居设备配置为例的交互中，用户询问具体的场景规则，系统在梳理步骤的同时，右下角附上了明确的产品手册引用标签。点击即可调出原始段落对照。

需要说明的是，混合检索（全文搜索与语义向量结合）能大幅提升找到关键上下文的概率，附带出处也让人工核实变得十分便捷，但这并不代表大模型生成的每一句总结都绝对零误差。将答案与原始文档对照确认，依然是严肃业务场景下的良好习惯。

智能体协作与数据链路：算力与隐私如何平衡？

除了资料管理与问答，WeKnora 还进一步集成了智能体（Agent）能力。

它支持在独立的容器沙箱中执行多步推理任务，并且能够通过标准的 MCP 协议将内部脚本或外部工具开放给智能体调用。问答组件还可以作为小挂件嵌入团队网站，或接入企业微信、飞书、Slack 等办公即时通讯工具中。

在很多团队关心的隐私与部署方面，实际数据的流向取决于你的架构选择：若接入外部云端模型，检索召回的文档切片会发送给对应服务商；若选择全本地部署，需同时配置好本地解析与模型链路，硬件要求取决于所选模型的具体规模，并不强制绑定独立 GPU。

完整的本地部署与启用路径

如果你希望在本地或私有服务器上跑起这套系统，官方提供了标准的 Docker 容器化流程：

第一步：环境拉取与配置。通过 Git 克隆官方仓库，在配置文件中完成模型接入与解析服务配置，随后执行：

docker compose pull docker compose up -d 

启动核心容器服务后，在浏览器打开 http://localhost 即可进入系统。

第二步：文档导入与解析。进入管理后台建立知识空间，导入 PDF、Markdown 或 Office 资料，系统会自动调用 anydoc 等解析器切分文本块。

第三步：启用并浏览 Wiki。资料解析完成后，即可在知识库中启用 Wiki 功能，系统会提炼生成条理清晰的主题页面与概念网络，并能在页面中逐项检查内容出处与关联来源。

从被动的一问一答，走向结构清晰的自动化 Wiki 与概念网络，WeKnora 为开源知识库提供了一种不仅能查、更善于系统梳理的新可能。

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

觉得内容有用就点个关注，带你看实用的AI与开源项目，把具体用途和上手方法讲清楚。