答的知識(shí)庫(kù))
WeKnora本地部署完整指南3步把私有文檔變成可問(wèn)答的知識(shí)庫(kù)【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/we/WeKnora你手頭有一堆 PDF、Word、Excel想找個(gè)地方問(wèn)它們卻又不放心把數(shù)據(jù)傳給別人的云端服務(wù)。WeKnora 就是這個(gè)問(wèn)題的解法它能把你的原始文檔變成一套完全跑在自己機(jī)器上的 RAG 問(wèn)答系統(tǒng)RAG 即檢索增強(qiáng)生成先在你的文檔里找到相關(guān)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(nèi)網(wǎng)。WeKnora是什么一個(gè)能本地跑的開(kāi)源知識(shí)平臺(tái)WeKnora 是一個(gè)開(kāi)源的大模型知識(shí)平臺(tái)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(shí)問(wèn)答的知識(shí)庫(kù)、能自主調(diào)工具推理的智能體、以及一份會(huì)自動(dòng)更新的 Wiki。RAG 快速問(wèn)答上傳文檔即可提問(wèn)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(duì)復(fù)雜問(wèn)題會(huì)自己規(guī)劃步驟組合知識(shí)檢索、MCP 工具和網(wǎng)頁(yè)搜索來(lái)完成任務(wù)Wiki 模式智能體自動(dòng)把原始文檔蒸餾成互相鏈接的 Markdown 知識(shí)頁(yè)帶知識(shí)圖譜、版本歷史和一鍵回滾全棧可換模塊大模型、向量庫(kù)、存儲(chǔ)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(jiàn) README原理速覽文檔是怎么變成答案的用大白話(huà)講整條鏈路是四步文檔先被解析成純文本再按語(yǔ)義切成小段落切得太碎會(huì)丟上下文切得太長(zhǎng)會(huì)稀釋關(guān)鍵信息然后每段生成一個(gè)向量存入本地向量數(shù)據(jù)庫(kù)你提問(wèn)時(shí)系統(tǒng)先用向量相似度 關(guān)鍵詞匹配雙路召回最相關(guān)的段落最后交給大模型組織成帶引用的回答。整個(gè)過(guò)程里從解析、向量化到推理每個(gè)環(huán)節(jié)都是獨(dú)立模塊可以按需替換。這也是它能純本地運(yùn)行的原因——你只需要保證大模型和向量庫(kù)這兩個(gè)組件部署在內(nèi)網(wǎng)即可。WeKnora 本地部署架構(gòu)圖數(shù)據(jù)處理、知識(shí)存儲(chǔ)、推理引擎到輸出生成的完整模塊化流程3步跑起來(lái)安裝命令速查前置條件只有一個(gè)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(jìn)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(gè)變量都有中文注釋 cp .env.example .env # 第3步拉鏡像并啟動(dòng) docker compose pull docker compose up -d啟動(dòng)完成后瀏覽器打開(kāi)http://localhost就能看到 Web 界面。首次使用按向?qū)瓿沙跏蓟x擇模型、創(chuàng)建知識(shí)庫(kù)、上傳第一批文檔就可以開(kāi)始提問(wèn)了。配置文件的每一項(xiàng)說(shuō)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(jī)零依賴(lài)體驗(yàn)單應(yīng)用、不依賴(lài)獨(dú)立數(shù)據(jù)庫(kù)可以看 Lite 模式說(shuō)明它更適合個(gè)人試用。WeKnora 本地部署配置界面模型選擇與服務(wù)設(shè)置進(jìn)階技巧本地模型接入與兩個(gè)關(guān)鍵調(diào)優(yōu)點(diǎn)調(diào)優(yōu)點(diǎn)一接入 Ollama 本地模型。先在宿主機(jī)啟動(dòng)ollama serve再在.env里配置模型信息# Ollama 服務(wù)地址容器內(nèi)訪問(wèn)宿主機(jī)用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用時(shí)只告警不阻斷啟動(dòng) OLLAMA_OPTIONALtrue調(diào)優(yōu)點(diǎn)二按需開(kāi)啟可選服務(wù)。WeKnora 用 Compose Profile 把可選組件隔離開(kāi)了不裝不占資源你的場(chǎng)景推薦值 / 做法個(gè)人試用、機(jī)器配置一般只跑默認(rèn)核心服務(wù)docker compose up -d想要知識(shí)圖譜Neo4j、MinIO 存儲(chǔ)、Langfuse 鏈路追蹤docker compose --profile full pull docker compose --profile full up -d只想要其中一個(gè)組件組合 Profile如--profile neo4j --profile minio想給團(tuán)隊(duì)提供完整能力默認(rèn) full再按 RBAC 說(shuō)明 配置成員角色避坑指南4個(gè)高頻問(wèn)題對(duì)照表現(xiàn)象原因處理服務(wù)起來(lái)了但上傳文檔后問(wèn)答失敗.env里對(duì)話(huà)模型和 Embedding 模型沒(méi)配完整或本地 Ollama 沒(méi)啟動(dòng)檢查模型相關(guān)變量是否填全本地模型先確認(rèn)ollama serve在跑再看主服務(wù)日志里的 ERROR圖片不顯示或鏈接無(wú)效多模態(tài)圖片默認(rèn)存 MinIO但 MinIO 沒(méi)隨默認(rèn)服務(wù)啟動(dòng)用docker compose --profile minio up -d補(bǔ)起 MinIO并確認(rèn) bucket 有讀取權(quán)限掃描版 PDF 識(shí)別效果差或 PaddleOCR 啟動(dòng)失敗部分平臺(tái)上OCR_BACKENDpaddle跑不起來(lái)刪掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升級(jí)版本后界面還是舊的只執(zhí)行了docker compose up -d復(fù)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(wèn)題排查可以直接查 常見(jiàn)問(wèn)題文檔。WeKnora 的模塊化設(shè)計(jì)意味著你幾乎可以按自己的硬件條件裁剪部署單機(jī)跑 Lite 版試用或 Compose 起全套服務(wù)給團(tuán)隊(duì)用。下一步建議你先跑通默認(rèn)的問(wèn)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(xún)知識(shí)庫(kù)方便把整套流程接進(jìn)自己的腳本。【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/we/WeKnora創(chuàng)作聲明：本文部分內(nèi)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(wèn)答的知識(shí)庫(kù)
WeKnora本地部署完整指南3步把私有文檔變成可問(wèn)答的知識(shí)庫(kù)【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/we/WeKnora你手頭有一堆 PDF、Word、Excel想找個(gè)地方問(wèn)它們卻又不放心把數(shù)據(jù)傳給別人的云端服務(wù)。WeKnora 就是這個(gè)問(wèn)題的解法它能把你的原始文檔變成一套完全跑在自己機(jī)器上的 RAG 問(wèn)答系統(tǒng)RAG 即檢索增強(qiáng)生成先在你的文檔里找到相關(guān)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(nèi)網(wǎng)。WeKnora是什么一個(gè)能本地跑的開(kāi)源知識(shí)平臺(tái)WeKnora 是一個(gè)開(kāi)源的大模型知識(shí)平臺(tái)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(shí)問(wèn)答的知識(shí)庫(kù)、能自主調(diào)工具推理的智能體、以及一份會(huì)自動(dòng)更新的 Wiki。RAG 快速問(wèn)答上傳文檔即可提問(wèn)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(duì)復(fù)雜問(wèn)題會(huì)自己規(guī)劃步驟組合知識(shí)檢索、MCP 工具和網(wǎng)頁(yè)搜索來(lái)完成任務(wù)Wiki 模式智能體自動(dòng)把原始文檔蒸餾成互相鏈接的 Markdown 知識(shí)頁(yè)帶知識(shí)圖譜、版本歷史和一鍵回滾全棧可換模塊大模型、向量庫(kù)、存儲(chǔ)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(jiàn) README原理速覽文檔是怎么變成答案的用大白話(huà)講整條鏈路是四步文檔先被解析成純文本再按語(yǔ)義切成小段落切得太碎會(huì)丟上下文切得太長(zhǎng)會(huì)稀釋關(guān)鍵信息然后每段生成一個(gè)向量存入本地向量數(shù)據(jù)庫(kù)你提問(wèn)時(shí)系統(tǒng)先用向量相似度 關(guān)鍵詞匹配雙路召回最相關(guān)的段落最后交給大模型組織成帶引用的回答。整個(gè)過(guò)程里從解析、向量化到推理每個(gè)環(huán)節(jié)都是獨(dú)立模塊可以按需替換。這也是它能純本地運(yùn)行的原因——你只需要保證大模型和向量庫(kù)這兩個(gè)組件部署在內(nèi)網(wǎng)即可。WeKnora 本地部署架構(gòu)圖數(shù)據(jù)處理、知識(shí)存儲(chǔ)、推理引擎到輸出生成的完整模塊化流程3步跑起來(lái)安裝命令速查前置條件只有一個(gè)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(jìn)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(gè)變量都有中文注釋 cp .env.example .env # 第3步拉鏡像并啟動(dòng) docker compose pull docker compose up -d啟動(dòng)完成后瀏覽器打開(kāi)http://localhost就能看到 Web 界面。首次使用按向?qū)瓿沙跏蓟x擇模型、創(chuàng)建知識(shí)庫(kù)、上傳第一批文檔就可以開(kāi)始提問(wèn)了。配置文件的每一項(xiàng)說(shuō)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(jī)零依賴(lài)體驗(yàn)單應(yīng)用、不依賴(lài)獨(dú)立數(shù)據(jù)庫(kù)可以看 Lite 模式說(shuō)明它更適合個(gè)人試用。WeKnora 本地部署配置界面模型選擇與服務(wù)設(shè)置進(jìn)階技巧本地模型接入與兩個(gè)關(guān)鍵調(diào)優(yōu)點(diǎn)調(diào)優(yōu)點(diǎn)一接入 Ollama 本地模型。先在宿主機(jī)啟動(dòng)ollama serve再在.env里配置模型信息# Ollama 服務(wù)地址容器內(nèi)訪問(wèn)宿主機(jī)用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用時(shí)只告警不阻斷啟動(dòng) OLLAMA_OPTIONALtrue調(diào)優(yōu)點(diǎn)二按需開(kāi)啟可選服務(wù)。WeKnora 用 Compose Profile 把可選組件隔離開(kāi)了不裝不占資源你的場(chǎng)景推薦值 / 做法個(gè)人試用、機(jī)器配置一般只跑默認(rèn)核心服務(wù)docker compose up -d想要知識(shí)圖譜Neo4j、MinIO 存儲(chǔ)、Langfuse 鏈路追蹤docker compose --profile full pull docker compose --profile full up -d只想要其中一個(gè)組件組合 Profile如--profile neo4j --profile minio想給團(tuán)隊(duì)提供完整能力默認(rèn) full再按 RBAC 說(shuō)明 配置成員角色避坑指南4個(gè)高頻問(wèn)題對(duì)照表現(xiàn)象原因處理服務(wù)起來(lái)了但上傳文檔后問(wèn)答失敗.env里對(duì)話(huà)模型和 Embedding 模型沒(méi)配完整或本地 Ollama 沒(méi)啟動(dòng)檢查模型相關(guān)變量是否填全本地模型先確認(rèn)ollama serve在跑再看主服務(wù)日志里的 ERROR圖片不顯示或鏈接無(wú)效多模態(tài)圖片默認(rèn)存 MinIO但 MinIO 沒(méi)隨默認(rèn)服務(wù)啟動(dòng)用docker compose --profile minio up -d補(bǔ)起 MinIO并確認(rèn) bucket 有讀取權(quán)限掃描版 PDF 識(shí)別效果差或 PaddleOCR 啟動(dòng)失敗部分平臺(tái)上OCR_BACKENDpaddle跑不起來(lái)刪掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升級(jí)版本后界面還是舊的只執(zhí)行了docker compose up -d復(fù)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(wèn)題排查可以直接查 常見(jiàn)問(wèn)題文檔。WeKnora 的模塊化設(shè)計(jì)意味著你幾乎可以按自己的硬件條件裁剪部署單機(jī)跑 Lite 版試用或 Compose 起全套服務(wù)給團(tuán)隊(duì)用。下一步建議你先跑通默認(rèn)的問(wèn)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(xún)知識(shí)庫(kù)方便把整套流程接進(jìn)自己的腳本。【免費(fèi)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(xiàng)目地址: https://gitcode.com/GitHub_Trending/we/WeKnora創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考