WeKnora本地部署完整指南3步把私有文檔變成可問答的知識庫【免費下載鏈接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.項目地址: https://gitcode.com/GitHub_Trending/we/WeKnora你手頭有一堆 PDF、Word、Excel想找個地方問它們卻又不放心把數(shù)據(jù)傳給別人的云端服務。WeKnora 就是這個問題的解法它能把你的原始文檔變成一套完全跑在自己機器上的 RAG 問答系統(tǒng)RAG 即檢索增強生成先在你的文檔里找到相關段落再讓大模型基于這些段落作答而且支持接入 Ollama 本地模型數(shù)據(jù)全程不出內網(wǎng)。WeKnora是什么一個能本地跑的開源知識平臺WeKnora 是一個開源的大模型知識平臺核心定位是把你散落在各處的文檔變成三樣可用的東西——可即時問答的知識庫、能自主調工具推理的智能體、以及一份會自動更新的 Wiki。RAG 快速問答上傳文檔即可提問答案帶原文出處支持 PDF、Word、Excel、圖片等 10 多種格式ReAct 智能體面對復雜問題會自己規(guī)劃步驟組合知識檢索、MCP 工具和網(wǎng)頁搜索來完成任務Wiki 模式智能體自動把原始文檔蒸餾成互相鏈接的 Markdown 知識頁帶知識圖譜、版本歷史和一鍵回滾全?？蓳Q模塊大模型、向量庫、存儲后端都能替換可接 OpenAI 兼容接口也可接 Ollama 本地模型完整能力清單見 README原理速覽文檔是怎么變成答案的用大白話講整條鏈路是四步文檔先被解析成純文本再按語義切成小段落切得太碎會丟上下文切得太長會稀釋關鍵信息然后每段生成一個向量存入本地向量數(shù)據(jù)庫你提問時系統(tǒng)先用向量相似度 關鍵詞匹配雙路召回最相關的段落最后交給大模型組織成帶引用的回答。整個過程里從解析、向量化到推理每個環(huán)節(jié)都是獨立模塊可以按需替換。這也是它能純本地運行的原因——你只需要保證大模型和向量庫這兩個組件部署在內網(wǎng)即可。WeKnora 本地部署架構圖數(shù)據(jù)處理、知識存儲、推理引擎到輸出生成的完整模塊化流程3步跑起來安裝命令速查前置條件只有一個裝好 Docker 和 Docker Compose。下面是最小可行路徑全程大約 5 分鐘。# 第1步拉取代碼進入目錄后操作 git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora # 第2步生成你的配置文件里面每個變量都有中文注釋 cp .env.example .env # 第3步拉鏡像并啟動 docker compose pull docker compose up -d啟動完成后瀏覽器打開http://localhost就能看到 Web 界面。首次使用按向導完成初始化選擇模型、創(chuàng)建知識庫、上傳第一批文檔就可以開始提問了。配置文件的每一項說明都在 .env.example 里全局行為配置在 config/ 目錄的config.yaml。如果你只想在本機零依賴體驗單應用、不依賴獨立數(shù)據(jù)庫可以看 Lite 模式說明它更適合個人試用。WeKnora 本地部署配置界面模型選擇與服務設置進階技巧本地模型接入與兩個關鍵調優(yōu)點調優(yōu)點一接入 Ollama 本地模型。先在宿主機啟動ollama serve再在.env里配置模型信息# Ollama 服務地址容器內訪問宿主機用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用時只告警不阻斷啟動 OLLAMA_OPTIONALtrue調優(yōu)點二按需開啟可選服務。WeKnora 用 Compose Profile 把可選組件隔離開了不裝不占資源你的場景推薦值 / 做法個人試用、機器配置一般只跑默認核心服務docker compose up -d想要知識圖譜Neo4j、MinIO 存儲、Langfuse 鏈路追蹤docker compose --profile full pull docker compose --profile full up -d只想要其中一個組件組合 Profile如--profile neo4j --profile minio想給團隊提供完整能力默認 full再按 RBAC 說明 配置成員角色避坑指南4個高頻問題對照表現(xiàn)象原因處理服務起來了但上傳文檔后問答失敗.env里對話模型和 Embedding 模型沒配完整或本地 Ollama 沒啟動檢查模型相關變量是否填全本地模型先確認ollama serve在跑再看主服務日志里的 ERROR圖片不顯示或鏈接無效多模態(tài)圖片默認存 MinIO但 MinIO 沒隨默認服務啟動用docker compose --profile minio up -d補起 MinIO并確認 bucket 有讀取權限掃描版 PDF 識別效果差或 PaddleOCR 啟動失敗部分平臺上OCR_BACKENDpaddle跑不起來刪掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升級版本后界面還是舊的只執(zhí)行了docker compose up -d復用了本地緩存鏡像先docker compose pull拉新鏡像再執(zhí)行up -d更多問題排查可以直接查 常見問題文檔。WeKnora 的模塊化設計意味著你幾乎可以按自己的硬件條件裁剪部署單機跑 Lite 版試用或 Compose 起全套服務給團隊用。下一步建議你先跑通默認的問答流程再按 CLI 文檔 裝一下weknora命令行工具——它能讓你在終端里直接上傳文檔、查詢知識庫方便把整套流程接進自己的腳本?！久赓M下載鏈接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.項目地址: https://gitcode.com/GitHub_Trending/we/WeKnora創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 WeKnora本地部署完整指南：3步把私有文檔變成可問答的知識庫
WeKnora本地部署完整指南3步把私有文檔變成可問答的知識庫【免費下載鏈接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.項目地址: https://gitcode.com/GitHub_Trending/we/WeKnora你手頭有一堆 PDF、Word、Excel想找個地方問它們卻又不放心把數(shù)據(jù)傳給別人的云端服務。WeKnora 就是這個問題的解法它能把你的原始文檔變成一套完全跑在自己機器上的 RAG 問答系統(tǒng)RAG 即檢索增強生成先在你的文檔里找到相關段落再讓大模型基于這些段落作答而且支持接入 Ollama 本地模型數(shù)據(jù)全程不出內網(wǎng)。WeKnora是什么一個能本地跑的開源知識平臺WeKnora 是一個開源的大模型知識平臺核心定位是把你散落在各處的文檔變成三樣可用的東西——可即時問答的知識庫、能自主調工具推理的智能體、以及一份會自動更新的 Wiki。RAG 快速問答上傳文檔即可提問答案帶原文出處支持 PDF、Word、Excel、圖片等 10 多種格式ReAct 智能體面對復雜問題會自己規(guī)劃步驟組合知識檢索、MCP 工具和網(wǎng)頁搜索來完成任務Wiki 模式智能體自動把原始文檔蒸餾成互相鏈接的 Markdown 知識頁帶知識圖譜、版本歷史和一鍵回滾全?？蓳Q模塊大模型、向量庫、存儲后端都能替換可接 OpenAI 兼容接口也可接 Ollama 本地模型完整能力清單見 README原理速覽文檔是怎么變成答案的用大白話講整條鏈路是四步文檔先被解析成純文本再按語義切成小段落切得太碎會丟上下文切得太長會稀釋關鍵信息然后每段生成一個向量存入本地向量數(shù)據(jù)庫你提問時系統(tǒng)先用向量相似度 關鍵詞匹配雙路召回最相關的段落最后交給大模型組織成帶引用的回答。整個過程里從解析、向量化到推理每個環(huán)節(jié)都是獨立模塊可以按需替換。這也是它能純本地運行的原因——你只需要保證大模型和向量庫這兩個組件部署在內網(wǎng)即可。WeKnora 本地部署架構圖數(shù)據(jù)處理、知識存儲、推理引擎到輸出生成的完整模塊化流程3步跑起來安裝命令速查前置條件只有一個裝好 Docker 和 Docker Compose。下面是最小可行路徑全程大約 5 分鐘。# 第1步拉取代碼進入目錄后操作 git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora # 第2步生成你的配置文件里面每個變量都有中文注釋 cp .env.example .env # 第3步拉鏡像并啟動 docker compose pull docker compose up -d啟動完成后瀏覽器打開http://localhost就能看到 Web 界面。首次使用按向導完成初始化選擇模型、創(chuàng)建知識庫、上傳第一批文檔就可以開始提問了。配置文件的每一項說明都在 .env.example 里全局行為配置在 config/ 目錄的config.yaml。如果你只想在本機零依賴體驗單應用、不依賴獨立數(shù)據(jù)庫可以看 Lite 模式說明它更適合個人試用。WeKnora 本地部署配置界面模型選擇與服務設置進階技巧本地模型接入與兩個關鍵調優(yōu)點調優(yōu)點一接入 Ollama 本地模型。先在宿主機啟動ollama serve再在.env里配置模型信息# Ollama 服務地址容器內訪問宿主機用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用時只告警不阻斷啟動 OLLAMA_OPTIONALtrue調優(yōu)點二按需開啟可選服務。WeKnora 用 Compose Profile 把可選組件隔離開了不裝不占資源你的場景推薦值 / 做法個人試用、機器配置一般只跑默認核心服務docker compose up -d想要知識圖譜Neo4j、MinIO 存儲、Langfuse 鏈路追蹤docker compose --profile full pull docker compose --profile full up -d只想要其中一個組件組合 Profile如--profile neo4j --profile minio想給團隊提供完整能力默認 full再按 RBAC 說明 配置成員角色避坑指南4個高頻問題對照表現(xiàn)象原因處理服務起來了但上傳文檔后問答失敗.env里對話模型和 Embedding 模型沒配完整或本地 Ollama 沒啟動檢查模型相關變量是否填全本地模型先確認ollama serve在跑再看主服務日志里的 ERROR圖片不顯示或鏈接無效多模態(tài)圖片默認存 MinIO但 MinIO 沒隨默認服務啟動用docker compose --profile minio up -d補起 MinIO并確認 bucket 有讀取權限掃描版 PDF 識別效果差或 PaddleOCR 啟動失敗部分平臺上OCR_BACKENDpaddle跑不起來刪掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升級版本后界面還是舊的只執(zhí)行了docker compose up -d復用了本地緩存鏡像先docker compose pull拉新鏡像再執(zhí)行up -d更多問題排查可以直接查 常見問題文檔。WeKnora 的模塊化設計意味著你幾乎可以按自己的硬件條件裁剪部署單機跑 Lite 版試用或 Compose 起全套服務給團隊用。下一步建議你先跑通默認的問答流程再按 CLI 文檔 裝一下weknora命令行工具——它能讓你在終端里直接上傳文檔、查詢知識庫方便把整套流程接進自己的腳本?！久赓M下載鏈接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.項目地址: https://gitcode.com/GitHub_Trending/we/WeKnora創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考