腾讯开源的企业级知识库，20+ LLM、8种向量库、7个IM渠道，一条命令本地跑

公司知识库分散在飞书、Notion、语雀、本地文件夹，员工问个问题要翻四五个地方。IT 部门想搭一套统一的 AI 问答系统，调研了一圈：商业方案按人头收费，开源方案要么功能残缺，要么部署复杂得像在造火箭。

WeKnora值得一试。

是什么

WeKnora 是腾讯开源的 LLM 知识库框架，Go + Vue 3 编写。核心思路：一条命令本地部署，把散落在飞书/Notion/语雀/本地文件夹的文档统一接入，支持 RAG 问答、ReAct Agent 推理、自动 Wiki 生成，20+ LLM 和 8 种向量库随便换。

• 腾讯官方出品——国内头部互联网公司背书
• MIT 协议，完全自托管，数据不出内网
• v0.6.3，最新的版本，新增网站嵌入 Widget，可把知识 Agent 接到官网、文档站或产品页；同时升级聊天体验，补齐 RSS 同步、Wiki 层级、文档标签、批量重解析和扫描 PDF OCR。

能做什么

三种问答模式

20+ LLM 提供商

OpenAI、Azure、Anthropic、DeepSeek、通义千问、智谱、混元、豆包、Gemini、MiniMax、NVIDIA、SiliconFlow、OpenRouter、Ollama 等，随时切换。

8 种向量数据库

PostgreSQL(pgvector)、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、腾讯 VectorDB。

7 个 IM 渠道

企业微信、飞书、Slack、Telegram、钉钉、Mattermost、微信，直接在这些工具里问问题。

10+ 文档格式

PDF、Word、Markdown、HTML、EPUB、MHTML、图片（OCR）、CSV、Excel、PPT、JSON。

企业级安全

• 4 级 RBAC（Owner/Admin/Contributor/Viewer）
• AES-256-GCM 加密存储 API Key 和凭证
• gRPC TLS + Token 通信
• 按租户隔离，审计日志

架构图——文档解析 → 向量化 → 检索引擎 → Agent 编排 → 用户交互，全链路模块化。

实际场景

统一企业知识库

公司文档散落在飞书、Notion、语雀、本地 NAS。WeKnora 接入所有数据源，自动同步，员工在企业微信里直接问"去年的 Q3 财报在哪里"，RAG 检索给出准确答案 + 文档链接。

客服自动化

把产品文档、FAQ、历史工单导入 WeKnora，配置 ReAct Agent。用户在 Slack 里问"怎么重置密码"，Agent 自动检索知识库 + 调用重置工具 + 给出步骤，不需要人工介入。

文档自动整理

上传 1000 份技术文档，Wiki Mode 自动生成结构化的 Markdown Wiki，附带知识图谱。新人入职不再需要翻文件夹，直接看 Wiki 了解项目架构。

上手：让 AI Agent 帮你装

直接复制给 Claude Code / Cursor：

用 Docker 部署 WeKnora 企业知识库，参考 https://github.com/Tencent/WeKnora要求：1. git clone https://github.com/Tencent/WeKnora.git && cd WeKnora2. cp .env.example .env，配置 LLM API Key（推荐 DeepSeek 或通义千问）3. docker compose up -d 启动核心服务4. 打开 http://localhost 确认 Web UI 正常5. 创建一个知识库，上传 3 个 PDF 测试文档6. 测试 Quick Q&A 和 ReAct Agent 两种模式7. 配置企业微信/飞书机器人，测试 IM 渠道问答

手动 3 步：

git clone https://github.com/Tencent/WeKnora.gitcd WeKnoracp .env.example .env # 编辑 .env 配置 LLM API Keydocker compose up -d # 启动

可选服务（加 --profile）：

docker compose --profile full up -d # 全部功能docker compose --profile neo4j up -d # 知识图谱docker compose --profile minio up -d # 对象存储docker compose --profile langfuse up -d # 可观测性

CLI 工具：

weknora auth login --host https://kb.example.comweknora kb listweknora doc upload notes.mdweknora chat "总结这份设计文档"weknora mcp serve # 启动 MCP Server

竞品对比

Dify 胜在应用编排和生态，FastGPT 胜在中文优化和易用性，AnythingLLM 胜在本地隐私。WeKnora 胜在企业级完整性：多数据源接入、7 个 IM 渠道、ReAct Agent、自动 Wiki、RBAC 安全体系，一套方案覆盖从文档接入到员工使用的全链路。

注意点

• 生产环境建议内网部署：腾讯官方建议不要直接暴露到公网，配好防火墙和访问控制
• LLM API Key 成本：大文档库首次 embedding 消耗较多 Token，建议用低价模型或本地 Ollama
• CVE 安全漏洞：2026 年初披露过租户权限绕过和 SQL 注入漏洞，建议升级到最新版本（v0.6.3+）
• 文档解析耗时：大 PDF 或扫描件可能需要几分钟，后台 MQ 异步处理，可以关页面等通知

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】