WeKnora 快速上手教程从零搭建你自己的文档智能问答系统【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnoraWeKnora维娜拉是一款开源的 LLM 知识平台能把 PDF、Word、网页等原始文档变成可提问的 RAG 知识库、会自主推理的 Agent以及一份自己维护的 Wiki。它解决的是资料散落在各处、找不到也问不出答案的问题。读完本文你可以跑起一个属于自己的文档问答系统并向它提出带出处的答案。 它解决什么问题先说三个最常见的真实场景文档太多翻不动。产品手册、合同、制度文件堆在网盘里新人来了问一句这个流程谁审批就要翻半天。把这些文件传进 WeKnora 知识库直接提问回答下方会列出引用的原文位置。答案没有出处不敢信。大模型直接回答容易一本正经地编。WeKnora 走的是检索增强生成RAG路线先从你的知识库里检索相关片段再交给模型作答回答里每个关键结论都挂着可点击的引用。知识只会被问不会被管理。除了问答WeKnora 还能让 Agent 从文档里自动归纳出一套互相链接的 Wiki 页面和知识图谱支持人工编辑、版本对比和一键回滚——知识库不再是一堆死文件而是一本会更新的内部百科。 最快启动方式四步跑起来只需一台装有 Docker 和 Docker Compose 的机器建议 8GB 内存以上全程不到十分钟。第 1 步下载代码并配置。克隆仓库后把示例配置文件复制成正式配置git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env打开.env至少填好数据库账号密码、Redis 密码以及你打算用的模型信息本地 Ollama 或任意 OpenAI 兼容接口均可。第 2 步一键启动。执行docker compose pull拉取镜像再执行docker compose up -d启动。执行后耐心等待docker compose ps里所有服务变成 running/healthy 即完成。第 3 步确认后端就绪。在浏览器访问http://localhost:8080/health返回{status:ok}说明后端已准备好。第 4 步打开网页注册。访问http://localhost首次会看到注册页。填好用户名、邮箱和密码完成注册系统会自动给你一个专属工作空间你就是这个空间的 Owner。到这里WeKnora 已经在你机器上跑起来了。 第一次使用走一遍建库并选好两个模型进入「知识库」页新建一个库填个名字、选文档类型。接下来向导会引导你选模型——只需要两个对话模型LLM负责生成回答比如 qwen、DeepSeek 或任意远程模型向量模型Embedding负责把文档变成可检索的向量建库后不要更换换了得重建索引。向导里有「测试」按钮点一下确认连通再保存即可。Rerank、图片理解等高级模型都可以先不配之后随时补。上传文档等它读完进入知识库把 PDF、Word、Excel、网页链接直接拖进上传区。支持十余种格式扫描件也能通过 OCR 处理。上传后文档会异步解析状态依次是排队 → 解析中 → 收尾 → 完成列表页实时刷新进度。小文件一般几十秒大 PDF 要耐心一点。提问看带出处的回答进入对话页选中刚建的知识库直接问这份文档讲了什么。回答会流式输出正文里带引用角标点角标能跳回原文对应位置。觉得回答不够聪明在对话框顶部切换到「智能推理」Agent它会自己决定检索几轮、要不要联网、要不要调工具适合需要多步推理的复杂问题。让 Agent 帮你写一本 Wiki进阶体验如果知识库里文档足够多还可以开启 Wiki 模式Agent 会自动把原始文档归纳成结构化、互相链接的 Wiki 页面还能生成可视化知识图谱。页面上可以直接编辑每次改动都有版本历史改错了可以一键回滚。️ 新手常踩的坑现象原因怎么办文档上传后一直报错或解析失败Embedding 或对话模型没配对检查.env里模型名、地址、密钥是否完整本地 Ollama 要先跑起来容器里连不上宿主机 Ollama容器内localhost指向容器自己地址改成http://host.docker.internal:11434网页打开空白或转圈前端在等后端健康检查通过看docker compose ps里 app 是否 healthy再看docker compose logs app图片显示为无效链接多模态解析需要对象存储用docker compose --profile minio up -d启动 MinIO再开启多模态配置升级后版本号没变只执行了up -d复用了本地缓存镜像先docker compose pull再up -d更多问题可以翻 常见问题排查文档里面有日志查看、MinIO 权限等更细的排查步骤。 如何走得更远跑通最小闭环后有三个方向值得按业务需要探索团队化与权限多空间 RBAC 四级角色、邀请制准入、审计日志适合多人协作见 RBAC 说明让检索更准混合检索、Rerank 重排、知识图谱增强配置方式见 知识图谱配置 与 官方文档站生产化部署KubernetesHelm Chart 在 helm/ 目录、私有化离线部署、Langfuse 链路追踪参考 安装部署文档 和 开发指南。想动手试的话示例目录 里有技能与 MCP 服务的可直接运行的 demo。从一堆找不到答案的文档到一个会回答、带出处、还能自我整理成 Wiki 的知识平台WeKnora 用十分钟就能把这条路走通——剩下的就是往里灌进你自己的资料让它替你去回答。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
WeKnora 快速上手教程：从零搭建你自己的文档智能问答系统
WeKnora 快速上手教程从零搭建你自己的文档智能问答系统【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnoraWeKnora维娜拉是一款开源的 LLM 知识平台能把 PDF、Word、网页等原始文档变成可提问的 RAG 知识库、会自主推理的 Agent以及一份自己维护的 Wiki。它解决的是资料散落在各处、找不到也问不出答案的问题。读完本文你可以跑起一个属于自己的文档问答系统并向它提出带出处的答案。 它解决什么问题先说三个最常见的真实场景文档太多翻不动。产品手册、合同、制度文件堆在网盘里新人来了问一句这个流程谁审批就要翻半天。把这些文件传进 WeKnora 知识库直接提问回答下方会列出引用的原文位置。答案没有出处不敢信。大模型直接回答容易一本正经地编。WeKnora 走的是检索增强生成RAG路线先从你的知识库里检索相关片段再交给模型作答回答里每个关键结论都挂着可点击的引用。知识只会被问不会被管理。除了问答WeKnora 还能让 Agent 从文档里自动归纳出一套互相链接的 Wiki 页面和知识图谱支持人工编辑、版本对比和一键回滚——知识库不再是一堆死文件而是一本会更新的内部百科。 最快启动方式四步跑起来只需一台装有 Docker 和 Docker Compose 的机器建议 8GB 内存以上全程不到十分钟。第 1 步下载代码并配置。克隆仓库后把示例配置文件复制成正式配置git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env打开.env至少填好数据库账号密码、Redis 密码以及你打算用的模型信息本地 Ollama 或任意 OpenAI 兼容接口均可。第 2 步一键启动。执行docker compose pull拉取镜像再执行docker compose up -d启动。执行后耐心等待docker compose ps里所有服务变成 running/healthy 即完成。第 3 步确认后端就绪。在浏览器访问http://localhost:8080/health返回{status:ok}说明后端已准备好。第 4 步打开网页注册。访问http://localhost首次会看到注册页。填好用户名、邮箱和密码完成注册系统会自动给你一个专属工作空间你就是这个空间的 Owner。到这里WeKnora 已经在你机器上跑起来了。 第一次使用走一遍建库并选好两个模型进入「知识库」页新建一个库填个名字、选文档类型。接下来向导会引导你选模型——只需要两个对话模型LLM负责生成回答比如 qwen、DeepSeek 或任意远程模型向量模型Embedding负责把文档变成可检索的向量建库后不要更换换了得重建索引。向导里有「测试」按钮点一下确认连通再保存即可。Rerank、图片理解等高级模型都可以先不配之后随时补。上传文档等它读完进入知识库把 PDF、Word、Excel、网页链接直接拖进上传区。支持十余种格式扫描件也能通过 OCR 处理。上传后文档会异步解析状态依次是排队 → 解析中 → 收尾 → 完成列表页实时刷新进度。小文件一般几十秒大 PDF 要耐心一点。提问看带出处的回答进入对话页选中刚建的知识库直接问这份文档讲了什么。回答会流式输出正文里带引用角标点角标能跳回原文对应位置。觉得回答不够聪明在对话框顶部切换到「智能推理」Agent它会自己决定检索几轮、要不要联网、要不要调工具适合需要多步推理的复杂问题。让 Agent 帮你写一本 Wiki进阶体验如果知识库里文档足够多还可以开启 Wiki 模式Agent 会自动把原始文档归纳成结构化、互相链接的 Wiki 页面还能生成可视化知识图谱。页面上可以直接编辑每次改动都有版本历史改错了可以一键回滚。️ 新手常踩的坑现象原因怎么办文档上传后一直报错或解析失败Embedding 或对话模型没配对检查.env里模型名、地址、密钥是否完整本地 Ollama 要先跑起来容器里连不上宿主机 Ollama容器内localhost指向容器自己地址改成http://host.docker.internal:11434网页打开空白或转圈前端在等后端健康检查通过看docker compose ps里 app 是否 healthy再看docker compose logs app图片显示为无效链接多模态解析需要对象存储用docker compose --profile minio up -d启动 MinIO再开启多模态配置升级后版本号没变只执行了up -d复用了本地缓存镜像先docker compose pull再up -d更多问题可以翻 常见问题排查文档里面有日志查看、MinIO 权限等更细的排查步骤。 如何走得更远跑通最小闭环后有三个方向值得按业务需要探索团队化与权限多空间 RBAC 四级角色、邀请制准入、审计日志适合多人协作见 RBAC 说明让检索更准混合检索、Rerank 重排、知识图谱增强配置方式见 知识图谱配置 与 官方文档站生产化部署KubernetesHelm Chart 在 helm/ 目录、私有化离线部署、Langfuse 链路追踪参考 安装部署文档 和 开发指南。想动手试的话示例目录 里有技能与 MCP 服务的可直接运行的 demo。从一堆找不到答案的文档到一个会回答、带出处、还能自我整理成 Wiki 的知识平台WeKnora 用十分钟就能把这条路走通——剩下的就是往里灌进你自己的资料让它替你去回答。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考