腾讯开源知识库WeKnora，和IMA真的有点像

腾讯开源了一个知识库系统，名字是WeKnora。

有意思的是，它和 IMA 知识库的设计思路有点相似，但不管是不是同一团队的作品，至少说明这类基于 RAG 的智能知识库正在变得越来越热门。

WeKnora 是什么？

简单来说，WeKnora 是一个基于 RAG（检索增强生成）架构的智能知识库框架。 它会先对文档进行语义检索，找到和问题最相关的上下文，再交由大语言模型生成答案。这样回答内容更准确、更可追溯，也避免了胡编乱造。

目前在 GitHub 上，WeKnora 的 star 已经超过 5.6k（数据统计到9.15）。

项目地址：https://github.com/Tencent/WeKnora

WeKnora 采用了模块化设计，构建了一条完整的“文档理解 + 检索 + 大模型推理”流水线。主要包括：

文档解析：支持上传常见的文本和 PDF。

向量化处理：把文档内容转化为向量，便于语义检索。

检索引擎：快速找到与提问最相关的片段。

大模型推理：调用本地或远程大模型生成答案。

适用场景：

功能模块：

这里我简单演示一下本地部署和测试流程。

1 本地部署

本地部署的环境要求：Docker、Docker Compose、Git

安装步骤如下：

1、克隆代码仓库

# 克隆主仓库

git clone https://github.com/Tencent/WeKnora.git

cd WeKnora

2、配置环境变量

# 复制示例配置文件

cp .env.example .env

# 编辑 .env，填入对应配置信息# 所有变量说明详见 .env.example 注释

3、启动服务

# 启动全部服务（含 Ollama 与后端容器）

./scripts/start_all.sh

# 或

make start-all

4、停止服务

./scripts/start_all.sh --stop

# 或

make stop-all

启动成功是这样子的：

成功后，访问地址：http://localhost，可以看到初始化配置页面。

2 系统初始化配置

首次访问localhost会自动跳转到初始化配置页面，配置完成后会自动跳转到知识库页面。

请按照页面提示信息完成模型的配置。

因为WeKnora支持本地Ollama部署的模型，先看一下我本地安装的。

打开http://localhost可以看到Ollama服务状态为正常。

已经检测到了我本地安装的deepseek-r1:1.5b和nomic-embed-text:latest模型。

如果你使用本地模型，就把这两个模型添加到LLM大语言模型和Embedding嵌入模型配置中。

当然了，如果我们想要远程的模型也是可以的。

这里我就都改成硅基流动上面的DeepSeek最新的V3.1模型。

硅基流动API的URL地址：https://api.siliconflow.cn/v1

这个模型名称必须是要和硅基流动广场中的模型名称一模一样。

向量模型也改成硅基流动的BAAI/bge-m3模型。

Rerank重新排序模型选择了BAAI/bge-reranker-v2-m3，都可以根据自己实际情况进行更改。

多模态选择了千问的Qwen/Qwen2.5-VL-72B-Instruct。

需要上传一张本地的图片进行测试，可以看到图片被正常识别出来了。

只上传单张图片：

最后就是文档分割配置，分割策略可以选择均衡模式、精准模式、上下文模式、自定义。

只有在自定义模型下，才可以手动设置参数，分块大小、分块重叠及分隔符设置。

这样我们就完成了配置，后续也可以在设置中进行更改。

3 使用知识库

配置完成后就可以使用知识库了。

3.1 测试PDF文档

先上传一个PDF文件，清华大学那个DeepSeek使用的文档。

点击文档可以看到右侧显示分段的详情信息。

然后就是我们熟悉的向知识库提问环节。

这个问题DeepSeek适合做什么任务是结合了PDF中好几页的内容。

系统能从文档的多个部分整合答案，并在结果中显示引用来源。

PDF文件原文：

在测试一个，我又上传了《浙江大学：DeepSeek行业应用案例集》的PDF文件测试：

问个无关的问题，现在正火的预置菜问题，可以看到如果知识库没有此内容，回复是无法回答。

3.2 测试图片

上传单张图片测试多模态理解能力。

随便问个问题，比如描述一下封面这张图片。

WeKnora 也能正确识别出内容。

WeKnora 目前还有一些限制，比如：

暂时只支持单文件上传；

不能同时管理多个知识库；

但对于小团队或个人用户来说，这样的功能已经够用。对于有开发能力的公司，则完全可以基于源码进行二次开发，扩展出更复杂的知识管理系统。

从部署到测试，我觉得 WeKnora 给我的感觉是：简单、实用、有潜力。

它或许不能满足所有需求，但对于想要尝鲜知识库和 AI 结合的小伙伴来说，是一个很好的切入口。

无论是不是和 IMA 出自同一个团队，能看到越来越多这样的开源项目出现，本身就是好事。

毕竟开源的魅力就在于此，当越来越多的人一起打磨，一个小小的项目也能成长为整个生态的基石。

学废了或有启发，别忘了顺手给我点个赞、在看、转发，三连～因为你的反馈真的很重要！如果想第一时间收到推送，也可以给我个星标⭐