WeKnora 快速上手指南：把一堆 PDF 变成会回答问题的 RAG 知识库

WeKnora 快速上手指南把一堆 PDF 变成会回答问题的 RAG 知识库【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你攒了一堆产品手册、会议记录和 PDF想问这个功能怎么配时只能打开文件一页页翻。WeKnora 是一款开源 RAG 框架RAG 即检索增强生成先查资料再作答它把你的文档解析、建好索引你用自然语言提问就能拿到带出处的答案。把一批文档丢进去之后它们经历了什么把一批 PDF、Word、PPT 丢进 WeKnora 后它先被解析服务读出来再拆成一段段带摘要的分块随后每个分块由嵌入模型把文字变成可比较的数字坐标的模型转成向量存进向量数据库专门按语义相近来找内容的数据库——pgvector、Milvus、Qdrant 等 8 种后端随你挑。而你敲下一个问题的瞬间系统在幕后做了三件事把你的口语化提问改写成适合检索的查询同时跑关键词检索BM25匹配字面词和向量检索匹配语义开启图谱时还会沿图谱追相关概念最后把候选片段重新排序交给大模型带着出处作答。整套流程是模块化的Go 语言后端大模型20 多家厂商OpenAI、DeepSeek、Qwen、Ollama 等和存储都能换Docker Compose 在本机拉起数据留在自己手里。从上传到出答案5 分钟跑通文档智能问答建库时点新建知识库向导会问你选两个模型一个负责总结作答的大语言模型一个负责向量化的嵌入模型从预置列表里各挑一个即可。上传前的确认弹窗值得留意选中 4 个文档后它让你核对这一批的解析方式——用哪个解析器、分块大小默认 812 字符、要不要生成图片描述和 AI 问题。相当于把书交给图书馆时先说清楚希望怎么整理上架。解析完成后文档以带摘要预览的卡片出现在知识库里按文件夹上传的会保留目录结构还能按标签、类型、状态过滤。你问一句智能家 Pro 怎么设置回家模式自动场景联动答案不是糊一大段先展示检索进度已理解问题、已检索知识库、找到 1 个结果、完成再给出结构化回答——触发条件、执行动作、分步配置步骤末尾标注来源文档引用还能点开跳转原文。两个让 RAG 知识库更聪明的进阶能力开启知识图谱后系统会从文档里构建语义关联网络图谱视图里能直接看到哪些段落彼此相关。它更实际的用途在检索侧搜索引擎会沿图谱追相关概念提问措辞不精确时也能命中对应段落。另一个值得留意的是在哪儿问不受限WeKnora 支持 10 个 IM 通道企业微信、飞书、Slack、Telegram、钉钉等群里直接问知识库Chrome 插件能把网页一键采集进库网站可以嵌入一个问答小组件也能通过 MCP 服务器连接大模型与外部工具的标准协议接入别的工具。一句话把知识放到人本来就待着的地方。想试一下的话克隆仓库按 docs/ 里的说明用 Docker Compose 起服务浏览器访问 http://localhost 就能开始提问git clone https://gitcode.com/GitHub_Trending/we/WeKnora【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