WeKnora RAG 知识库零基础上手从部署到带引用问答的完整实战指南【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 知识平台能把散落的 PDF、Word、网页变成可查询的 RAG 知识库还能从中长出会自己推理的智能体和自动维护的 Wiki。它解决的问题很直接你手里有一堆文档但没人能快速找到答案——现在让系统替你查并且每条回答都带原文出处点一下就能跳回那段话所在的文件。适合什么场景想象两个画面一个是产品团队刚发完版几十份更新说明、API 文档、FAQ 散落各处客服反复被问同样的问题另一个是你想把团队沉淀在本地磁盘和云盘上的资料变成新人和外部系统都能问的资产但不想把数据传给任何外部服务。WeKnora 就是为这类需求做的——私有化部署、数据不出内网模型从本地 Ollama 到二十多家云厂商 API 都能接。如果你只需要把文档喂进去、问出来还带出处这一个闭环下面的流程十几分钟就能走完。十分钟让它跑起来准备工作只有两样装好 Docker含 Compose和 Git。git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env # 按需修改文件内有注释 docker compose pull docker compose up -d怎么算跑成功了打开http://localhost应该看到登录/注册页而不是空白或报错后端健康检查同样值得顺手敲一下curl http://localhost:8080/health返回{status:ok}就说明核心服务全部就绪。之后所有配置都在网页里完成不需要手动改 YAML。首次进入会先注册账号注册完你自动拥有一个工作空间并且是它的 Owner。完整走通第一个查询建库并配好两个模型在「知识库」页新建一个库选document类型。WeKnora 的模型是按知识库配置的向导里至少填两样对话模型LLM和向量模型Embedding。点「测试」确认连得通再保存。用本地 Ollama 的人注意后端跑在容器里Base URL 要写http://host.docker.internal:11434写localhost是连不通的——这是新手卡得最久的一处。Embedding 模型建库后别换换了索引要重建。上传第一批文档进入知识库把文件拖进上传区或者直接粘贴网页 URL。上传确认对话框里可以顺手打标签、调整这一批的解析选项。文档会异步解析状态从 pending 一路走到 completedPDF 扫描件会慢一些列表页会实时刷进度。提问看带出处的回答到对话页选中刚建的知识库直接问。默认走的是内置「快速问答」Agent先检索相关片段再交给大模型作答回答里的引用角标可以点点完跳到原文出处。到这里最小闭环就通了文档进、答案出、出处可查。再深入一点推理 Agent 与知识图谱跑通问答之后有两个能力值得花十分钟体验。一是把对话框顶部切到「智能推理」Agent。它不再只做一次检索而是自己决定查几轮、要不要联网、要不要调 MCP 工具适合需要多步推理的问题也可以自定义 Agent挂上自己的工具和联网搜索。二是知识图谱。开启后系统会把文档里的实体和关系抽出来建图既能可视化看段落间关联也会反过来增强检索。具体开关和参数见 docs/KnowledgeGraph.md。如果要动代码核心业务逻辑都在internal/下改起来前可以先认识一下这几处WeKnora/ ├── internal/ # 检索、Agent、服务等核心逻辑 ├── client/ # Go 客户端含完整调用示例 ├── config/ # 默认配置与提示词模板 └── website-docs/ # 官方产品文档站VitePress踩坑记录与下一步去哪问题先翻仓库里的 docs/QA.md三个高频问题文档上传一直失败多半是 Embedding 模型没配通图片不显示通常是多模态没开或 MinIO 没起可加--profile minio启动想查日志就用docker compose logs -f app。解析卡住的文档、权限不足报错等也都在里面按编号列好了。接下来可以按兴趣挑路走想读全量文档website-docs/ 是按入门→架构→功能→API→客户端→开发组织的官方文档站本地起一个npm run dev就能看要做集成docs/api/README.md 是接口总入口client/example.go 有一段可直接抄的 Go 调用链路想让编码 Agent 用上你的知识库可以配 mcp-server/ 里的官方 MCP 服务。有想法要提 PR 的话流程是 Fork 建分支后按 Conventional Commits 写提交提交前对改动的 Go 文件跑一遍gofmt后续规划可以看 docs/ROADMAP.md。【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 RAG 知识库零基础上手：从部署到带引用问答的完整实战指南
WeKnora RAG 知识库零基础上手从部署到带引用问答的完整实战指南【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 知识平台能把散落的 PDF、Word、网页变成可查询的 RAG 知识库还能从中长出会自己推理的智能体和自动维护的 Wiki。它解决的问题很直接你手里有一堆文档但没人能快速找到答案——现在让系统替你查并且每条回答都带原文出处点一下就能跳回那段话所在的文件。适合什么场景想象两个画面一个是产品团队刚发完版几十份更新说明、API 文档、FAQ 散落各处客服反复被问同样的问题另一个是你想把团队沉淀在本地磁盘和云盘上的资料变成新人和外部系统都能问的资产但不想把数据传给任何外部服务。WeKnora 就是为这类需求做的——私有化部署、数据不出内网模型从本地 Ollama 到二十多家云厂商 API 都能接。如果你只需要把文档喂进去、问出来还带出处这一个闭环下面的流程十几分钟就能走完。十分钟让它跑起来准备工作只有两样装好 Docker含 Compose和 Git。git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env # 按需修改文件内有注释 docker compose pull docker compose up -d怎么算跑成功了打开http://localhost应该看到登录/注册页而不是空白或报错后端健康检查同样值得顺手敲一下curl http://localhost:8080/health返回{status:ok}就说明核心服务全部就绪。之后所有配置都在网页里完成不需要手动改 YAML。首次进入会先注册账号注册完你自动拥有一个工作空间并且是它的 Owner。完整走通第一个查询建库并配好两个模型在「知识库」页新建一个库选document类型。WeKnora 的模型是按知识库配置的向导里至少填两样对话模型LLM和向量模型Embedding。点「测试」确认连得通再保存。用本地 Ollama 的人注意后端跑在容器里Base URL 要写http://host.docker.internal:11434写localhost是连不通的——这是新手卡得最久的一处。Embedding 模型建库后别换换了索引要重建。上传第一批文档进入知识库把文件拖进上传区或者直接粘贴网页 URL。上传确认对话框里可以顺手打标签、调整这一批的解析选项。文档会异步解析状态从 pending 一路走到 completedPDF 扫描件会慢一些列表页会实时刷进度。提问看带出处的回答到对话页选中刚建的知识库直接问。默认走的是内置「快速问答」Agent先检索相关片段再交给大模型作答回答里的引用角标可以点点完跳到原文出处。到这里最小闭环就通了文档进、答案出、出处可查。再深入一点推理 Agent 与知识图谱跑通问答之后有两个能力值得花十分钟体验。一是把对话框顶部切到「智能推理」Agent。它不再只做一次检索而是自己决定查几轮、要不要联网、要不要调 MCP 工具适合需要多步推理的问题也可以自定义 Agent挂上自己的工具和联网搜索。二是知识图谱。开启后系统会把文档里的实体和关系抽出来建图既能可视化看段落间关联也会反过来增强检索。具体开关和参数见 docs/KnowledgeGraph.md。如果要动代码核心业务逻辑都在internal/下改起来前可以先认识一下这几处WeKnora/ ├── internal/ # 检索、Agent、服务等核心逻辑 ├── client/ # Go 客户端含完整调用示例 ├── config/ # 默认配置与提示词模板 └── website-docs/ # 官方产品文档站VitePress踩坑记录与下一步去哪问题先翻仓库里的 docs/QA.md三个高频问题文档上传一直失败多半是 Embedding 模型没配通图片不显示通常是多模态没开或 MinIO 没起可加--profile minio启动想查日志就用docker compose logs -f app。解析卡住的文档、权限不足报错等也都在里面按编号列好了。接下来可以按兴趣挑路走想读全量文档website-docs/ 是按入门→架构→功能→API→客户端→开发组织的官方文档站本地起一个npm run dev就能看要做集成docs/api/README.md 是接口总入口client/example.go 有一段可直接抄的 Go 调用链路想让编码 Agent 用上你的知识库可以配 mcp-server/ 里的官方 MCP 服务。有想法要提 PR 的话流程是 Fork 建分支后按 Conventional Commits 写提交提交前对改动的 Go 文件跑一遍gofmt后续规划可以看 docs/ROADMAP.md。【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