WeKnora本地部署完整指南3步把私有文档变成可问答的知识库【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你手头有一堆 PDF、Word、Excel想找个地方问它们却又不放心把数据传给别人的云端服务。WeKnora 就是这个问题的解法它能把你的原始文档变成一套完全跑在自己机器上的 RAG 问答系统RAG 即检索增强生成先在你的文档里找到相关段落再让大模型基于这些段落作答而且支持接入 Ollama 本地模型数据全程不出内网。WeKnora是什么一个能本地跑的开源知识平台WeKnora 是一个开源的大模型知识平台核心定位是把你散落在各处的文档变成三样可用的东西——可即时问答的知识库、能自主调工具推理的智能体、以及一份会自动更新的 Wiki。RAG 快速问答上传文档即可提问答案带原文出处支持 PDF、Word、Excel、图片等 10 多种格式ReAct 智能体面对复杂问题会自己规划步骤组合知识检索、MCP 工具和网页搜索来完成任务Wiki 模式智能体自动把原始文档蒸馏成互相链接的 Markdown 知识页带知识图谱、版本历史和一键回滚全栈可换模块大模型、向量库、存储后端都能替换可接 OpenAI 兼容接口也可接 Ollama 本地模型完整能力清单见 README原理速览文档是怎么变成答案的用大白话讲整条链路是四步文档先被解析成纯文本再按语义切成小段落切得太碎会丢上下文切得太长会稀释关键信息然后每段生成一个向量存入本地向量数据库你提问时系统先用向量相似度 关键词匹配双路召回最相关的段落最后交给大模型组织成带引用的回答。整个过程里从解析、向量化到推理每个环节都是独立模块可以按需替换。这也是它能纯本地运行的原因——你只需要保证大模型和向量库这两个组件部署在内网即可。WeKnora 本地部署架构图数据处理、知识存储、推理引擎到输出生成的完整模块化流程3步跑起来安装命令速查前置条件只有一个装好 Docker 和 Docker Compose。下面是最小可行路径全程大约 5 分钟。# 第1步拉取代码进入目录后操作 git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora # 第2步生成你的配置文件里面每个变量都有中文注释 cp .env.example .env # 第3步拉镜像并启动 docker compose pull docker compose up -d启动完成后浏览器打开http://localhost就能看到 Web 界面。首次使用按向导完成初始化选择模型、创建知识库、上传第一批文档就可以开始提问了。配置文件的每一项说明都在 .env.example 里全局行为配置在 config/ 目录的config.yaml。如果你只想在本机零依赖体验单应用、不依赖独立数据库可以看 Lite 模式说明它更适合个人试用。WeKnora 本地部署配置界面模型选择与服务设置进阶技巧本地模型接入与两个关键调优点调优点一接入 Ollama 本地模型。先在宿主机启动ollama serve再在.env里配置模型信息# Ollama 服务地址容器内访问宿主机用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用时只告警不阻断启动 OLLAMA_OPTIONALtrue调优点二按需开启可选服务。WeKnora 用 Compose Profile 把可选组件隔离开了不装不占资源你的场景推荐值 / 做法个人试用、机器配置一般只跑默认核心服务docker compose up -d想要知识图谱Neo4j、MinIO 存储、Langfuse 链路追踪docker compose --profile full pull docker compose --profile full up -d只想要其中一个组件组合 Profile如--profile neo4j --profile minio想给团队提供完整能力默认 full再按 RBAC 说明 配置成员角色避坑指南4个高频问题对照表现象原因处理服务起来了但上传文档后问答失败.env里对话模型和 Embedding 模型没配完整或本地 Ollama 没启动检查模型相关变量是否填全本地模型先确认ollama serve在跑再看主服务日志里的 ERROR图片不显示或链接无效多模态图片默认存 MinIO但 MinIO 没随默认服务启动用docker compose --profile minio up -d补起 MinIO并确认 bucket 有读取权限扫描版 PDF 识别效果差或 PaddleOCR 启动失败部分平台上OCR_BACKENDpaddle跑不起来删掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升级版本后界面还是旧的只执行了docker compose up -d复用了本地缓存镜像先docker compose pull拉新镜像再执行up -d更多问题排查可以直接查 常见问题文档。WeKnora 的模块化设计意味着你几乎可以按自己的硬件条件裁剪部署单机跑 Lite 版试用或 Compose 起全套服务给团队用。下一步建议你先跑通默认的问答流程再按 CLI 文档 装一下weknora命令行工具——它能让你在终端里直接上传文档、查询知识库方便把整套流程接进自己的脚本。【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
WeKnora本地部署完整指南3步把私有文档变成可问答的知识库【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你手头有一堆 PDF、Word、Excel想找个地方问它们却又不放心把数据传给别人的云端服务。WeKnora 就是这个问题的解法它能把你的原始文档变成一套完全跑在自己机器上的 RAG 问答系统RAG 即检索增强生成先在你的文档里找到相关段落再让大模型基于这些段落作答而且支持接入 Ollama 本地模型数据全程不出内网。WeKnora是什么一个能本地跑的开源知识平台WeKnora 是一个开源的大模型知识平台核心定位是把你散落在各处的文档变成三样可用的东西——可即时问答的知识库、能自主调工具推理的智能体、以及一份会自动更新的 Wiki。RAG 快速问答上传文档即可提问答案带原文出处支持 PDF、Word、Excel、图片等 10 多种格式ReAct 智能体面对复杂问题会自己规划步骤组合知识检索、MCP 工具和网页搜索来完成任务Wiki 模式智能体自动把原始文档蒸馏成互相链接的 Markdown 知识页带知识图谱、版本历史和一键回滚全栈可换模块大模型、向量库、存储后端都能替换可接 OpenAI 兼容接口也可接 Ollama 本地模型完整能力清单见 README原理速览文档是怎么变成答案的用大白话讲整条链路是四步文档先被解析成纯文本再按语义切成小段落切得太碎会丢上下文切得太长会稀释关键信息然后每段生成一个向量存入本地向量数据库你提问时系统先用向量相似度 关键词匹配双路召回最相关的段落最后交给大模型组织成带引用的回答。整个过程里从解析、向量化到推理每个环节都是独立模块可以按需替换。这也是它能纯本地运行的原因——你只需要保证大模型和向量库这两个组件部署在内网即可。WeKnora 本地部署架构图数据处理、知识存储、推理引擎到输出生成的完整模块化流程3步跑起来安装命令速查前置条件只有一个装好 Docker 和 Docker Compose。下面是最小可行路径全程大约 5 分钟。# 第1步拉取代码进入目录后操作 git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora # 第2步生成你的配置文件里面每个变量都有中文注释 cp .env.example .env # 第3步拉镜像并启动 docker compose pull docker compose up -d启动完成后浏览器打开http://localhost就能看到 Web 界面。首次使用按向导完成初始化选择模型、创建知识库、上传第一批文档就可以开始提问了。配置文件的每一项说明都在 .env.example 里全局行为配置在 config/ 目录的config.yaml。如果你只想在本机零依赖体验单应用、不依赖独立数据库可以看 Lite 模式说明它更适合个人试用。WeKnora 本地部署配置界面模型选择与服务设置进阶技巧本地模型接入与两个关键调优点调优点一接入 Ollama 本地模型。先在宿主机启动ollama serve再在.env里配置模型信息# Ollama 服务地址容器内访问宿主机用 host.docker.internal OLLAMA_BASE_URLhttp://host.docker.internal:11434 # Ollama 不可用时只告警不阻断启动 OLLAMA_OPTIONALtrue调优点二按需开启可选服务。WeKnora 用 Compose Profile 把可选组件隔离开了不装不占资源你的场景推荐值 / 做法个人试用、机器配置一般只跑默认核心服务docker compose up -d想要知识图谱Neo4j、MinIO 存储、Langfuse 链路追踪docker compose --profile full pull docker compose --profile full up -d只想要其中一个组件组合 Profile如--profile neo4j --profile minio想给团队提供完整能力默认 full再按 RBAC 说明 配置成员角色避坑指南4个高频问题对照表现象原因处理服务起来了但上传文档后问答失败.env里对话模型和 Embedding 模型没配完整或本地 Ollama 没启动检查模型相关变量是否填全本地模型先确认ollama serve在跑再看主服务日志里的 ERROR图片不显示或链接无效多模态图片默认存 MinIO但 MinIO 没随默认服务启动用docker compose --profile minio up -d补起 MinIO并确认 bucket 有读取权限扫描版 PDF 识别效果差或 PaddleOCR 启动失败部分平台上OCR_BACKENDpaddle跑不起来删掉 docreader 的OCR_BACKEND配置或按 FAQ 改用外部 VLM 做 OCR升级版本后界面还是旧的只执行了docker compose up -d复用了本地缓存镜像先docker compose pull拉新镜像再执行up -d更多问题排查可以直接查 常见问题文档。WeKnora 的模块化设计意味着你几乎可以按自己的硬件条件裁剪部署单机跑 Lite 版试用或 Compose 起全套服务给团队用。下一步建议你先跑通默认的问答流程再按 CLI 文档 装一下weknora命令行工具——它能让你在终端里直接上传文档、查询知识库方便把整套流程接进自己的脚本。【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
