15分钟用自家文档搭出知识库问答系统WeKnora本地部署与上手完整指南【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 是一个开源的 LLM 知识库问答平台你把文档喂给它它还你一个能回答这些文档问题、还能给出出处的对话系统。这篇是面向第一次接触它的人的实操笔记讲怎么在本地把它跑起来、然后用起来不追求覆盖全部功能。先说跑起来之后是什么样一个会给出处的问答界面动手搭之前先看成品。启动后在浏览器打开http://localhost默认地址注册一个账号你能做三件事在对话页选一个知识库直接提问回答正文里带引用角标点角标能跳回原文段落在对话框顶部切到智能推理模式由系统自己决定要不要多查几轮、要不要联网、要不要调工具在知识库页管理文档上传、打标签、看解析进度它和直接拿大模型问的差别就在最后一条答案能回溯到某份文档的某一段而不是凭模型记忆。部署路线四步走从空白到能访问门槛最低的方式是 Docker Compose 整套启动用一个编排文件把一组服务一次性拉起官方安装部署文档里也是默认推荐。一共四步把代码克隆到本机从模板复制出配置文件填 4 个必填项一条命令启动自检确认git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env # 从模板生成配置文件 make start-all # 一键启动拉镜像起前端/后端/数据库/解析服务make start-all是./scripts/start_all.sh的封装顺带做了 Ollama本地跑模型的工具可用性检查和沙箱镜像预拉取。启动前必须填的 4 个必填项字段用途DB_USER/DB_PASSWORD/DB_NAME内置 PostgreSQL 的账号与库名REDIS_PASSWORD异步任务队列Redis的密码JWT_SECRET登录凭证的签名密钥SYSTEM_AES_KEYAPI Key 落库加密的密钥看着字段多实际要自己编的就这四个其余都有默认值。模型用本地的还是云上的系统至少需要两个模型一个对话模型负责生成回答一个向量模型把文本变成数字方便做相似度查找。本机装好 Ollama 拉个模型或者直接用任意 OpenAI 兼容的 APIDeepSeek、通义、智谱等都行。用本地 Ollama 有个必踩的坑后端跑在容器里地址写成http://localhost:11434连不上得写http://host.docker.internal:11434。✅ 启动自检完整命令docker compose ps # 确认各服务都在运行 curl http://localhost:8080/health # 后端活着会返回 {status:ok}服务整体长什么样看这张图就能建立概念前端是 Nginx80 端口Go 后端在 8080数据库用 ParadeDB带检索扩展的 PostgreSQL 17docreader 容器专职解析文档Redis 管异步任务。都在 Docker 里你不用逐个操心。 最短路径传第一份文档问第一个问题接下来注入知识全程在网页上操作顺利的话十来分钟大头时间花在等解析「知识库」页新建类型选document普通文档库或faq问答对库跟着初始化向导选对话模型和向量模型点测试确认连得通保存把文件拖进知识库PDF、Word、Excel、PPT、Markdown、图片都可以文档列表里看解析进度状态按pending → processing → finalizing → completed推进大的扫描件 PDF 会慢进对话页选中这个知识库开始提问向导里有一句话值得记住向量模型建库之后不要换。文档的向量已经按它算好了换了就得重建索引而重排对检索结果再精排、图片理解这类设置之后随时可以补。快速问答不够用之后三个深入方向方向它做什么适合什么时候智能推理 Agent系统自己决定检索几轮、要不要联网、要不要调 MCP 工具让模型调用外部函数的协议需要多步推理的复杂问题数据源同步飞书 wiki / Notion / 语雀 / RSS 的新内容自动进库文档本来就放在别的系统里Wiki 模式Agent 把原始文档蒸馏成互相链接的 Markdown 维基可编辑、可一键回滚想整理知识而不只是问知识Wiki 模式比较有意思Agent 自动把文档整理成带知识图谱的维基你能在浏览器里手改页面每次改动都留版本历史、可以回滚相当于让 AI 整理知识库、你在旁边把关。Agent 引擎的细节可以看 website-docs/03-features/07-agent.md。启动常见卡点先查这张表现象查哪里上传后一直卡在processingdocker logs WeKnora-docreader顺带确认文件没超默认 50MB 上限初始化时 Ollama 检测失败容器内要用host.docker.internal:11434不是localhost问答没有引用 / 检索为空确认文档已到completed向量模型和建库时一致把向量阈值调低试试注册页签消失查GET /auth/config的注册模式团队部署可能关掉了公开注册都对不上就先跑docker compose logs -f app在后端日志里找报错。如果你的文档散落各处又想要一个问得出、有出处、数据在自己机器上的问答系统把 WeKnora 跑通一遍就够了。下一步建议接一个数据源让知识库自己更新再用真实问题试一次智能推理模式那时候你会更清楚它能干什么。【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 15分钟用自家文档搭出知识库问答系统：WeKnora本地部署与上手完整指南
15分钟用自家文档搭出知识库问答系统WeKnora本地部署与上手完整指南【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 是一个开源的 LLM 知识库问答平台你把文档喂给它它还你一个能回答这些文档问题、还能给出出处的对话系统。这篇是面向第一次接触它的人的实操笔记讲怎么在本地把它跑起来、然后用起来不追求覆盖全部功能。先说跑起来之后是什么样一个会给出处的问答界面动手搭之前先看成品。启动后在浏览器打开http://localhost默认地址注册一个账号你能做三件事在对话页选一个知识库直接提问回答正文里带引用角标点角标能跳回原文段落在对话框顶部切到智能推理模式由系统自己决定要不要多查几轮、要不要联网、要不要调工具在知识库页管理文档上传、打标签、看解析进度它和直接拿大模型问的差别就在最后一条答案能回溯到某份文档的某一段而不是凭模型记忆。部署路线四步走从空白到能访问门槛最低的方式是 Docker Compose 整套启动用一个编排文件把一组服务一次性拉起官方安装部署文档里也是默认推荐。一共四步把代码克隆到本机从模板复制出配置文件填 4 个必填项一条命令启动自检确认git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env # 从模板生成配置文件 make start-all # 一键启动拉镜像起前端/后端/数据库/解析服务make start-all是./scripts/start_all.sh的封装顺带做了 Ollama本地跑模型的工具可用性检查和沙箱镜像预拉取。启动前必须填的 4 个必填项字段用途DB_USER/DB_PASSWORD/DB_NAME内置 PostgreSQL 的账号与库名REDIS_PASSWORD异步任务队列Redis的密码JWT_SECRET登录凭证的签名密钥SYSTEM_AES_KEYAPI Key 落库加密的密钥看着字段多实际要自己编的就这四个其余都有默认值。模型用本地的还是云上的系统至少需要两个模型一个对话模型负责生成回答一个向量模型把文本变成数字方便做相似度查找。本机装好 Ollama 拉个模型或者直接用任意 OpenAI 兼容的 APIDeepSeek、通义、智谱等都行。用本地 Ollama 有个必踩的坑后端跑在容器里地址写成http://localhost:11434连不上得写http://host.docker.internal:11434。✅ 启动自检完整命令docker compose ps # 确认各服务都在运行 curl http://localhost:8080/health # 后端活着会返回 {status:ok}服务整体长什么样看这张图就能建立概念前端是 Nginx80 端口Go 后端在 8080数据库用 ParadeDB带检索扩展的 PostgreSQL 17docreader 容器专职解析文档Redis 管异步任务。都在 Docker 里你不用逐个操心。 最短路径传第一份文档问第一个问题接下来注入知识全程在网页上操作顺利的话十来分钟大头时间花在等解析「知识库」页新建类型选document普通文档库或faq问答对库跟着初始化向导选对话模型和向量模型点测试确认连得通保存把文件拖进知识库PDF、Word、Excel、PPT、Markdown、图片都可以文档列表里看解析进度状态按pending → processing → finalizing → completed推进大的扫描件 PDF 会慢进对话页选中这个知识库开始提问向导里有一句话值得记住向量模型建库之后不要换。文档的向量已经按它算好了换了就得重建索引而重排对检索结果再精排、图片理解这类设置之后随时可以补。快速问答不够用之后三个深入方向方向它做什么适合什么时候智能推理 Agent系统自己决定检索几轮、要不要联网、要不要调 MCP 工具让模型调用外部函数的协议需要多步推理的复杂问题数据源同步飞书 wiki / Notion / 语雀 / RSS 的新内容自动进库文档本来就放在别的系统里Wiki 模式Agent 把原始文档蒸馏成互相链接的 Markdown 维基可编辑、可一键回滚想整理知识而不只是问知识Wiki 模式比较有意思Agent 自动把文档整理成带知识图谱的维基你能在浏览器里手改页面每次改动都留版本历史、可以回滚相当于让 AI 整理知识库、你在旁边把关。Agent 引擎的细节可以看 website-docs/03-features/07-agent.md。启动常见卡点先查这张表现象查哪里上传后一直卡在processingdocker logs WeKnora-docreader顺带确认文件没超默认 50MB 上限初始化时 Ollama 检测失败容器内要用host.docker.internal:11434不是localhost问答没有引用 / 检索为空确认文档已到completed向量模型和建库时一致把向量阈值调低试试注册页签消失查GET /auth/config的注册模式团队部署可能关掉了公开注册都对不上就先跑docker compose logs -f app在后端日志里找报错。如果你的文档散落各处又想要一个问得出、有出处、数据在自己机器上的问答系统把 WeKnora 跑通一遍就够了。下一步建议接一个数据源让知识库自己更新再用真实问题试一次智能推理模式那时候你会更清楚它能干什么。【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