WeKnora 最近开源了，也加入了 Wiki 这条路。
这个事让我重新开始想一个问题：我们到底需要一个什么样的 Agent 平台？
过去聊 AI 平台，习惯从模型、RAG、知识库、Workflow、MCP 这些能力出发。但 Agent 真正开始干活之后，一个更根本的问题冒出来了。
最近同时在琢磨 WeKnora 和 Molio，两个产品虽然都在做 Agent、知识和 Skill，背后的路子完全不同。一个更接近组织的 AI 基础设施，另一个更接近个人的 AI 工作环境。


----
## 一、过去的 AI 平台，核心是"提供能力"

传统 AI 应用的逻辑其实很简单：
平台提供模型、知识库、工作流和一些工具。
用户选择一个场景，然后使用平台已经设计好的能力。
所以平台和用户之间基本是：
>**平台定义能力，用户使用能力。**

这套模式在企业里非常合理。
因为企业需要统一的权限、数据、流程、审计和知识管理。
但是 Agent 出现之后，事情开始发生变化。
Agent 不再只是一个聊天机器人。
它可以调用工具、读写文件、执行代码、访问知识、运行命令，甚至持续完成一个复杂任务。
这意味着真正重要的问题逐渐变成：
>**谁来定义 Agent 应该怎么工作？**

平台定义？
还是用户定义？
这可能是理解不同 Agent 平台最重要的一条分界线。


----
## 二、WeKnora 更像"组织的 AI 平台"

以 WeKnora 这样的企业级知识与 Agent 平台来看，它解决的问题非常明确：
**如何让一个组织能够安全、统一、可管理地使用 AI。**
所以它天然需要解决：
- • 企业知识管理
- • 多用户协作
- • 权限控制
- • 数据隔离
- • 知识检索
- • 文档解析
- • RAG
- • GraphRAG
- • Agent
- • MCP
- • 任务管理
- • 日志与审计
- • 模型管理

这些能力最终组成的是一个完整的企业 AI 基础设施。
它的基本逻辑可以理解成：
>**组织 → 平台 → Agent → 知识与业务**

平台负责把复杂性收起来。
企业员工不需要理解底层 Agent 是怎么运行的，只需要在平台提供的边界内使用它。
这其实是一种非常典型的**平台治理思路**。


----
## 三、Molio 走的是另一条路

Molio 最开始解决的问题其实非常小。
Claude Code、Codex、Gemini CLI、Qwen Code、Hermes 等，他们都是当前能力最强的agent。我们想在一个桌面环境里直接使用它们而非自己构建能力还赶不上他们，更加不想让用户自己处理 Node.js、PATH、CLI 安装、版本、运行环境这些问题。
但做到后来，我发现：
**真正值得做的不是一个 Agent 启动器，而是一个个人智能体平台。**
因为当一个人开始同时使用多个 Agent，真正的问题就不再是：
>"我怎么运行 Claude Code？"

而是：
>"我怎么管理属于我的这些 Agent？"

于是 Molio 的核心逐渐变成了三个东西：
**Agent、Knowledge、Skill。**
可以简单理解成：
>**Agent = 能做什么**
**Wiki = 知道什么**
**Skill = 怎么做**

而这三件事情，都应该由用户掌握。


----
## 四、Agent：不是平台规定你用谁

Molio 不试图定义一个唯一的 Agent。
Claude Code 可以是一个 Agent。
Codex 可以是一个 Agent。
Gemini CLI 可以是一个 Agent。
Qwen Code、Hermes 也可以。
未来还可以接入更多 Agent Runtime。
这意味着 Molio 的 Agent 层更像一个运行环境。
用户可以根据任务选择不同的 Agent。
更重要的是：
**Agent 本身不是 Molio 的终点。**
Molio 更关注的是如何让这些不同 Agent 在同一个个人工作环境中被组织起来。
所以 Molio 并不是：
>"我们做了一个很强的 Agent。"

而更接近：
>**"我们让用户可以拥有自己的 Agent 组合。"**


----
## 五、Wiki：知识不再只是一个知识库

第二层是知识。
传统知识库通常是：
>文档 → 切片 → Embedding → 向量数据库 → RAG → 回答问题

它解决的是"如何找到相关资料"。
但个人长期使用 Agent 后，需求会发生变化。
我们每天阅读文章、论文、文档、代码和各种资料。
这些东西不应该每次使用时重新检索。
更理想的状态是：
>**知识逐渐沉淀成 Agent 可以长期工作的环境。**

所以 Molio 的 Wiki 思路不是单纯做一个企业 RAG。
通过 Wiki Skill，可以把原始资料逐步整理成结构化、可导航、可持续更新的 Markdown 知识。
而这些 Wiki 又可以成为 Agent 工作时的上下文。
因此：
**Wiki 不只是"给人看的知识库"，也是"给 Agent 工作的知识环境"。**


----
## 六、Skill：真正决定 Agent 怎么工作

如果说 Agent 决定：
>**能做什么**

Wiki 决定：
>**知道什么**

那么 Skill 决定的就是：
>**怎么做。**

这一点其实非常重要。
比如 Molio 现在可以提供 Wiki 提取 Skill。
但它并不是一个写死的功能。
用户可以修改它。
可以改变：
- • 信息提取规则
- • 页面结构
- • 分类方式
- • 命名规则
- • 引用方式
- • 更新策略
- • 输出格式

甚至可以自己定义完全不同的 Skill。
于是同一个 Molio，可以变成完全不同的东西。
一个人可以配置：
>研究 Skill + 文献 Wiki + 引用规则

变成自己的科研助手。
另一个人可以配置：
>写作 Skill + 个人知识库 + 内容模板

变成自己的内容助手。
程序员则可以配置：
>Coding Skill + 项目知识 + CodeGraph + Git 规则

变成自己的编程工作环境。
企业顾问也可以建立：
>行业 Wiki + 专业规则 + 数据源 + 分析 Skill

变成自己的行业 Agent。
**平台不需要替用户把这些场景全部做出来。**
它只需要让用户能够定义。


----
## 七、所以 Molio 真正提供的，不是几个"AI 助手"

这也是我现在越来越不希望把 Molio 描述成"AI 写作工具"或者"多 Agent GUI"的原因。
这两个说法都太小了。
Molio 真正提供的是一个：
>**个人智能体平台。**

它提供的是构建个人 Agent 工作环境所需要的几个基础层：
```

    
    
    
  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Molio
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Personal&nbsp;Agent&nbsp;Platform
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;┌───────────┼───────────┐
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Agent&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Skill&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Knowledge
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;能做什么&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;怎么做&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;知道什么
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;│
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;└───────────┼───────────┘
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Personal&nbsp;Agent
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;用户的工作
```这时候，"个人 AI 助手"反而不是一个固定产品。
它是用户自己组合出来的。


----
## 八、安全也因此是两种不同的边界

这也是为什么不能简单说：
>WeKnora 安全，Molio 不安全。

两者其实是在做不同的安全边界。
企业平台必须考虑：
- • 谁可以访问什么
- • Agent 可以访问什么
- • 哪些数据可以被调用
- • 哪些操作需要审批
- • 谁执行了什么操作
- • 如何审计和追踪

所以它更强调：
>**平台控制 Agent 的边界。**

而 Molio 是本地个人环境。
用户本身拥有机器、文件、Agent Runtime 和 Skill。
因此它更强调：
>**用户控制自己的 Agent 环境。**

这意味着安全责任并没有消失，而是发生了转移。
可以把两者概括成：
>**WeKnora：平台约束 Agent，保护组织。**
**Molio：用户配置 Agent，管理自己的环境。**

对于企业共享环境，这是两种不同的信任模型。


----
## 九、Memory 也是同样的区别

Agent 长期工作之后，Memory 会越来越重要。
企业平台可能更倾向于：
>平台自动提取 → 平台保存 → 平台管理 → Agent 自动调用

这是平台化管理的逻辑。
Molio 则可以采用另外一种方式：
>Agent 通过 Memory Skill 读写用户自己的记忆文件。

这样记忆本身就是用户可以看到、理解、修改和控制的东西。
它不是一个黑盒数据库。
这背后其实还是同一个理念：
**平台替用户管理，还是用户自己拥有？**


----
## 十、两个生态，也会走向不同方向

因此，两者未来的生态也很可能不同。
WeKnora 更适合横向扩展：
- • 更多模型
- • 更多数据源
- • 更多企业系统
- • 更多渠道
- • 更多企业 Skill
- • 更多组织能力

它的目标是形成一个完整的平台生态。
而 Molio 更适合纵向深入：
- • 更多 Agent Runtime
- • 更好的本地运行环境
- • 更丰富的 Skill
- • 更强的个人知识体系
- • 更好的 Agent 协作
- • 更强的本地自动化能力

简单说：
>**WeKnora 的生态是横向扩张。**
**Molio 的生态是纵向深入。**


----
## 十一、但两条路线最终可能在一个地方汇合

有意思的是，虽然两者的起点完全不同，但最终都在面对同一个问题：
**Agent 不能永远依赖临时上下文。**
它需要自己的知识。
需要自己的记忆。
需要自己的工作方法。
需要持续积累的工作环境。
所以我们最终看到的可能不是传统意义上的：
>知识库 + RAG + Chatbot

而是：
>**Agent + Knowledge + Skill + Memory**

知识也不再只是一个被检索的数据库。
它正在逐渐变成：
>**Agent 长期工作的环境。**

这可能是 Agent 时代知识工程真正发生变化的地方。


----
## 十二、所以 Molio 到底是什么？

如果现在让我重新定义 Molio，我不会再把它定义成：
"AI 写作工具"。
也不会定义成：
"多个 Agent 的 GUI"。
甚至"个人 AI 助手"也还不够准确。
我更愿意把它定义成：
>**Molio 是一个本地的个人智能体平台。**

它不替用户定义一个固定的 AI。
而是让用户自己选择 Agent，组织自己的知识，配置自己的 Skill，并逐渐形成属于自己的 AI 工作环境。
最终：
>**Agent 决定它能做什么。**
**Wiki 决定它知道什么。**
**Skill 决定它怎么做。**
**Memory 决定它记得什么。**

而 Molio 做的，是把这几件事情放到同一个本地环境里。
这也是我觉得 Molio 和 WeKnora 最本质的区别：
>**WeKnora 更像是在建设"组织如何使用 AI"的平台。**
**Molio 更像是在建设"个人如何拥有自己的 Agent"的平台。**

一个从组织出发。
一个从个人出发。
一个强调平台治理。
一个强调用户控制。
而随着 Agent 从"聊天工具"逐渐变成真正的工作主体，**个人是否也应该拥有自己的 Agent 平台，而不是永远使用别人定义好的 AI 助手，可能会成为一个越来越值得讨论的问题。**
## 最后

如果你对这些内容感兴趣，欢迎关注和留言交流。或者到GitHub找到molio，给我们提issue。更多关于知识wiki化的资源和实践，可以到Molio的资源页看看。

WeKnora 最近开源了，也加入了 Wiki 这条路。这个事让我重新开始想一个问题：我们到底需要一个什么样的 Agent 平台？过去聊 AI 平台，习惯从模型、RAG、知识库、Workflow、MCP 这些能力出发。但 Agent 真正开始干活之后，一个更根本的问题冒出来了。最近同时在琢磨 WeKnora 和 Molio，两个产品虽然都在做 Agent、知识和 Skill，背后的路子完全不同。一个更接近组织的 AI 基础设施，另一个更接近个人的 AI 工作环境。

Agent 平台的两种哲学：从 WeKnora 和 Molio 聊起

WeKnora开源并加入Wiki路线，引发对Agent平台的思考。WeKnora面向企业，平台定义Agent怎么工作；Molio面向个人，用户自己选Agent、配Skill、管知识。两者不是竞品，是组织基础设施与个人智能体平台的两条路。

人工智能

开发工具

客户端

WeKnora开源并加入Wiki，引发对Agent平台本质的思考。文章对比企业级AI基础设施与个人智能体平台的路径差异，提出Agent+Knowledge+Skill+Memory四层架构。核心观点：未来AI平台的关键在于由组织定义还是用户掌控Agent工作环境，个人化智能体平台或将崛起。

向量数据库

聊天机器人

数据库

智能体

GitHub

Agent

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Agent 平台的两种哲学：从 WeKnora 和 Molio 聊起-腾讯云开发者社区-腾讯云

Agent 平台的两种哲学：从 WeKnora 和 Molio 聊起

Agent 平台的两种哲学：从 WeKnora 和 Molio 聊起

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐