AI

WeKnora：騰訊開源 LLM 知識平台，把文件變成可查詢的 RAG、Agent 與自我維護的 Wiki

Monday

本內容僅供參考，詳細使用規則與工具安全性與否，建議要進行相關安全性測試與評估

企業導入 RAG 最常卡在「最後一哩」：PoC 用 LangChain 幾十行就能跑起來，但要接上 Confluence、Notion、飛書，處理 PDF 與 PPT，管理權限、稽核、多租戶，再串進 Slack 或企業微信——這些工程量往往比模型本身大得多。WeKnora（Tencent/WeKnora）是騰訊開源的 LLM 知識平台，目標是把原始文件直接變成「可查詢的 RAG、能做事的 Agent、會自我維護的 Wiki」。專案目前約 34.4k stars，10 月 14 日剛釋出 v0.8.3，並出現在 10 月 10 日的 AI 開源趨勢報告中。

1. 專案背景與定位

WeKnora 採 MIT 授權，後端以 Go 開發，官網掛在 weixin.qq.com 網域下。它不是一個 RAG 函式庫，而是完整的知識平台：有 Web UI、登入與權限、資料源同步、IM 機器人、CLI 與 MCP Server，可以用 Docker Compose、Helm 或單一執行檔部署。

三種主要使用模式共用同一條知識管線：

  1. Quick Q&A：附引用來源的 RAG 問答
  2. Agent 模式：ReAct Agent 可以查知識庫、上網搜尋、呼叫 MCP 工具與 skill，甚至操作本機瀏覽器
  3. Wiki 模式：由 Agent 自動產生、互相連結的知識頁面，附知識圖譜、線上編輯、版本 diff 與回滾

2. 技術架構與核心設計

  • 可替換的管線：文件解析 → 向量化 → 檢索 → LLM 推論，每個元件都能抽換；底層使用 PostgreSQL、Redis 與選用的儲存服務。
  • 檢索策略：關鍵字 + 向量混合搜尋、reranking、parent-child chunking、自適應三層切塊，以及透過 Neo4j 的 GraphRAG；內建 recall 與 BLEU/ROUGE 評估。
  • 廣泛的後端支援：
    • 模型：29 家內建供應商，包括 OpenAI、Azure OpenAI、Anthropic、DeepSeek、Qwen、智譜、混元、Gemini、Ollama、LiteLLM
    • 向量資料庫：pgvector、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、騰訊雲 VectorDB
    • 文件格式：PDF、Word、PPT、Excel、CSV、Markdown、HTML、EPUB、XMind、圖片等
    • 資料源：飛書、Lark、Confluence、GitLab、Notion、語雀、釘釘文件、RSS 等
    • IM 通道：企業微信、飛書、Slack、Telegram、釘釘、Mattermost、微信等
  • Agent 沙盒：skill 在 Docker、E2B 或 Cube 沙盒中執行，並有跨 session 長期記憶。
  • 內建 MCP Server：以 Streamable HTTP 依工作區對外提供知識庫。
  • 企業級治理：工作區 RBAC（Owner、Admin、Contributor、Viewer 四種角色）、每個工作區的稽核日誌、有範圍限制的 API key、OIDC、AES-256-GCM 憑證加密，以及防 SSRF 的對外請求白名單模式。
  • 最新 v0.8.3：圖片庫、多模態 embedding（WeMM-Embedding、Qwen3-VL-Embedding）、Wiki 圖譜改進、平台使用者管理、邀請制註冊，以及 TEI／Pinecone／Cohere reranking。

3. 社群熱度與生態採用

約 34.4k stars、4.6k forks、3,500+ commits，有 307 個 open PR，社群相當活躍。UI 支援中、英、日、韓、俄五種語言，但文件站以中文為主。對於大量使用飛書、企業微信、釘釘的華語企業，它的整合深度是多數歐美 RAG 平台比不上的。

4. 局限性與潛在風險

  • README 明確建議只在內網部署：官方提醒避免對外公開、設定防火牆並定期更新。一個能連接公司所有知識源、又能執行 Agent 動作的平台，一旦暴露在公網，影響範圍極大。
  • 沙盒以 root 執行：v0.8.2 的 breaking change 之一是沙盒指令改以 root 身分執行，部署時應評估容器隔離是否足夠，並限制沙盒的網路與掛載。
  • Agent 可以操控瀏覽器：BrowserSkill 讓 Agent 控制本機瀏覽器，加上知識庫內容可能含有 prompt injection，Agent 模式的權限需要謹慎設定。
  • 安全通報需持續追蹤：GitHub Security 頁籤顯示有若干項目，但細節本文無法確認；導入前應自行檢視 advisory 並固定在已修補的版本。
  • 系統複雜度：完整部署包含 PostgreSQL、Redis、Neo4j、MinIO、Langfuse 等多個元件，維運成本不低；小團隊可以先從 Lite 單一執行檔版本試用。
  • 升級陷阱：官方文件提醒單純 docker compose up -d 可能沿用快取的舊映像，需設定 WEKNORA_VERSION；部分版本也需要資料遷移與重建索引。
  • 快速迭代：0.x 版本仍有 breaking change（例如移除 Local host-process backend、釘釘通道改為僅支援 Stream）。

5. 應用價值與適用場景

最適合想要自建企業知識助理、又不想從零組裝 RAG 系統的團隊：把 Confluence、Notion 或飛書文件接上，就能在企業微信或 Slack 裡問答；Wiki 模式則適合把零散文件整理成可維護的知識庫。完整的 RBAC、稽核與 OIDC，也讓它比多數開源 RAG 專案更接近企業可用的狀態。

如果你只需要一個簡單的文件問答，WeKnora 可能過於龐大；如果需要對外服務，則必須額外設計網路隔離與存取控制。

Monday 的觀點與架構建議

  • WeKnora 說明了 RAG 的競爭已經從「檢索演算法」轉向「平台完整度」：資料源連接、權限、稽核、多通道、Agent 與 Wiki 才是企業真正買單的部分。
  • 「Agent 自動維護 Wiki」是很有意思的方向：與其每次問答都重新檢索零散文件，不如讓 Agent 把知識整理成結構化頁面，再以版本控管與人工審核確保品質。
  • 部署建議：內網部署 + OIDC + 最小權限 API key；沙盒額外限制網路與檔案掛載；Agent 模式先只開放知識庫查詢，逐步再開放瀏覽器與外部工具。
  • 繼 Cloudflare OS、阿里巴巴 OpenCodeReview 之後，這是本月第三個「大廠內部驗證後開源」的專案，這股趨勢值得持續關注。

參考來源