WeKnora 内网本地部署实战：文档问答与知识管理从零跑通

WeKnora 内网本地部署实战文档问答与知识管理从零跑通【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora合规要求文档问答全部走内网、大模型 API 一个都不许调这就是 WeKnora 本地部署要解决的问题。WeKnora 是开源的 LLM 知识平台能把原始文档变成可查询的 RAG 问答系统、自主推理 Agent 和自维护的 Wiki 知识库适合对数据主权有硬要求的内网团队、政企场景。场景速览它到底能帮你解决什么先看拿到手之后能干什么功能列表不展开了典型场景对应能力实际效果内网文档问答RAG 快速问答 BM25/向量/图谱混合检索上传制度文件、合同、手册直接提问拿带引用的答案知识资产沉淀Wiki Mode 自动生成结构化 Markdown散文档被 Agent 提炼成互联维基页面支持修订历史和一键回滚多步任务处理ReAct Agent 编排检索、MCP 工具、网络搜索复杂问题自动拆解成多步执行减少人工追问把问答搬进 IM企业微信/飞书/Slack 等渠道接入员工不用切系统在聊天窗口里直接问权限与审计工作区 RBAC4 级角色 空间级审计日志满足内网多人共用的最小授权要求架构速写一张图看懂数据流向架构就一句话文档从 Web UI 或 API 进来走 docreader 解析器Python gRPC 服务完成 OCR 和标题提取再分块、向量化写入 PostgreSQLpgvector和本地文件存储查询端走 BM25 向量 图谱混合检索ReAct Agent 按需编排 MCP 工具最后 SSE 流式返回答案。容器编排用 docker-compose核心服务是 frontend、app、docreader、postgres、redis 五个可选组件MinIO、Neo4j、Langfuse通过 profile 开关启用。模型侧只要求一个 OpenAI 兼容端点接 Ollama 本地模型即可完全离线。从零到跑通WeKnora 部署实操第一步准备环境并拉代码宿主机只需装好 Docker20.10和 Git。然后git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora cp .env.example .env.env.example的注释写得很细默认值基本能直接跑。本地部署必须改动的几项# 存储默认 local内网单机不用动 STORAGE_TYPElocal # 数据库密码确认一下 DB_PASSWORDpostgres123!# # 不接外部 API 时指向宿主机上的 Ollama OLLAMA_OPTIONALtrue OLLAMA_BASE_URLhttp://host.docker.internal:11434想省掉外部模型服务的话先在宿主机跑一个ollama serve后面加载 bge-m3嵌入和一个对话模型即可。第二步启动服务并确认健康docker compose pull docker compose up -d确认成功的标志是docker compose ps里全部 Up且健康检查通过curl -s http://localhost:8080/health浏览器打开 http://localhost 能看到初始化向导说明前端代理和后端都通了。第三步配置模型完成初始化向导首次进入 Web UI 会走初始化向导注册管理员账号然后配置 LLM、Embedding 模型。这一步是新手最容易卡住的地方——不配置模型后面所有功能都动不了填错地址也不报错而是静默失败。接 Ollama 时 base URL 填容器视角能解析的地址保存前先用设置页的模型测试按钮验一下连通性。第四步建知识库跑通第一次问答创建知识库 → 上传几份 PDF/Word → 等解析完成 → 提问。解析是异步任务慢的话去日志和任务队列面板看别干等。跑通验证 checklist能用注册的管理员账号登录 Web UIhttp://localhost上传的文档解析完成状态为成功提问后答案带知识库引用来源Agent 模式下能看到工具调用过程而非直接回答按角色把其他成员拉进工作区权限符合预期官方文档docs/QA.md 里按日志、上传、图片、兼容性整理了常见问题卡住时先查它。跑起来之后调优与安全合写资源分配。解析任务走 Asynq worker 池如果上传后解析一直排队优先调WEKNORA_ASYNQ_CORE_CONCURRENCY默认 8和WEKNORA_ASYNQ_ENRICHMENT_CONCURRENCY默认 12这两个值在系统设置里可运行时改不用重启容器。模型推理慢就先怀疑宿主机 Ollama 的 CPU/内存配额再谈软件参数。检索参数。config/config.yaml的conversation段控制混合检索部署时通过挂载的配置文件生效conversation: embedding_top_k: 30 # 向量召回数 vector_threshold: 0.2 keyword_threshold: 0.3 # BM25 侧阈值 rerank_top_k: 30 enable_rerank: true答案相关但不准时优先调embedding_top_k和 rerank 阈值答案完全跑偏时先去知识库 UI 里直接编辑 chunk——检索单元不对参数怎么调都没用。权限控制。多租户 RBAC 是工作区级别的 4 级角色矩阵Owner / Admin / Contributor / Viewer加每个知识库的属主控制和空间审计日志。生产环境把DISABLE_REGISTRATIONtrue关掉开放注册程序化调用发受限 API Key能力级授权 按知识库限定范围文档见 docs/RBAC说明.md。数据加密与备份。API Key、MCP 和数据源凭证默认走 AES-256-GCM 静态加密支持密钥轮换审计日志默认保留 90 天WEKNORA_AUDIT_RETENTION_DAYS可调。备份很简单pg_dump数据库 tar 一下data-files卷再加.env和config/定时任务挂上就行。卡住了怎么办排障与下一步症状大概率原因解法上传文档没反应解析一直 pendingLLM / Embedding 模型没配或地址不通走初始化向导配置模型用设置页测试连通性答案里的图片链接失效未配多模态模型或 MinIO 端点不可达配 VLM或改APP_EXTERNAL_URL/ MinIO 公网端点检索结果不相关分块不合理或检索阈值太松UI 里直接编辑 chunk调vector_threshold与embedding_top_k容器反复重启内存不足或端口冲突docker compose logs app看退出原因调整资源升级后 UI 与后端版本不一致up -d复用了本地旧镜像.env里设WEKNORA_VERSIONdocker compose pull后再up -dAPI 参考docs/api/README.md排障 FAQdocs/QA.mdRBAC 与审计docs/RBAC说明.md功能规划docs/ROADMAP.mdWeKnora 本地部署没有想象中重一台内网机器加一套 docker-compose 就能起步Postgres、Redis、App、docreader 和前端全在本地。建议先跑通解析到问答的主链路再按需开知识图谱、对象存储和 Langfuse 追踪多租户权限和审计是内置能力内网小团队直接用不会有问题。【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考