如果你在企业里做过知识库，大概都经历过这个循环：把一堆 PDF、Word、扫描件传进系统，问答框搭起来了，回答却经常"看着像那么回事，细看不对"。文档本身没被读懂，检索也没找对地方——最后大家还是回去翻文件夹。

腾讯开源的 WeKnora（维娜拉）想解决的正是这一段。它不是给文档加个问答框，而是把"读懂 → 组织 → 检索 → 推理 → 持续维护"整条链路做出来，并且整套可以装在你自己的服务器上。

项目来自微信对话开放平台的核心文档理解与检索框架，2025 年 9 月开源，MIT 许可。截至本文核实时间（2026 年 10 月 1 日），GitHub 上已有 31,532 star、4,208 fork，且仍在高频更新——最近一次代码推送就在核实前一天。

一句话说清它是什么

WeKnora 是一个基于大模型的企业级知识库框架。它把团队散落的文档汇到一起，然后在这同一份知识之上提供三种用法：

• RAG 问答——查资料。回答附带原文引用，可以点开核对到底是哪一段说的。
• Agent 推理——干多步任务。智能体自己决定去检索知识库、搜网页、调 MCP 工具，或在沙箱里跑脚本处理文件。
• 自动 Wiki——整理知识。把原始文档生成成互相链接的 Wiki 页面和知识图谱，支持浏览、编辑和版本回滚。

这三种能力共用同一套知识库，不是三个割裂的产品拼在一起——这是它设计上比较关键的一点。

先看几个核实过的硬数据

下面这些数字来自 GitHub 官方接口和仓库文件实测，不是从宣传稿里抄的（其中"27 家模型厂商"我自己数了一遍，见后文）：

• 开源时间：2025 年 9 月（首个版本 v0.1.2 发布于 2025-09-10）
• 最新版本：v0.8.2，发布于 2026-09-24；一年多时间累计发了 40 个 release
• 代码规模：仓库 4,669 个文件，其中 Go 后端 2,449 个、前端 866 个、CLI 311 个、数据库迁移脚本 302 个
• 技术栈：Go 66.3% / Vue 15.2% / TypeScript 13.1% / Python 2.1%
• 系统组成：Go 后端 + Vue 3 前端 + Python 文档解析服务 docreader
• 许可：MIT（主体）

关于那个"27 家模型厂商"

官方 README 写着"27 built-in vendors"，但正文只列了 15 个例子。为了不替它挑好听的，我去代码里数了一遍：internal/models/providers/assets/ 目录下正好躺着 27 个厂商品牌图标（该目录共 30 个 Go 文件，其中 builtin、compat、definition 三个是框架代码而非厂商）。自述与实测一致，27 这个数字站得住。

名单包括 OpenAI、Azure OpenAI、Anthropic、DeepSeek、阿里云通义、智谱、腾讯混元、火山引擎、Gemini、MiniMax、NVIDIA、硅基流动、OpenRouter、LiteLLM、Ollama 等——既有商业 API，也能接本地跑的模型。

它真正下功夫的地方：可替换

企业选知识库最怕的就是被某一环绑死。WeKnora 的设计是每一层都能换，这些是 README 明列、我逐项数过的清单：

• 向量数据库（8 种）：PostgreSQL（pgvector）、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、腾讯 VectorDB
• Embedding 模型（5 类）：Ollama、BGE、GTE、智谱、OpenAI 兼容接口
• 对象存储（8 家）：本地、腾讯云 COS、MinIO、AWS S3、火山引擎 TOS、阿里云 OSS、金山云 KS3、华为云 OBS
• 文档格式（13 种）：PDF、Word、PPT、Excel、CSV、TXT、Markdown、HTML、EPUB、MHTML、JSON、XMind、图片
• 数据源（10 个）：飞书 Wiki、飞书云盘、Lark、Confluence、GitLab、腾讯 IMA、Notion、语雀、钉钉文档、RSS
• IM 渠道（10 个）：企业微信、飞书、Lark、QQ 机器人、Slack、Telegram、钉钉、Mattermost、微信、云之家
• 网页搜索（13 家）：DuckDuckGo、Bing、Google、Tavily、百度、Ollama、SearXNG、Keenable、智谱 AI、Exa、Metaso、博查、Serply

界面支持中文、英文、日文、韩文、俄文五种语言。这些选项加起来，意味着它既能用本地 Ollama + pgvector 凑一套零外网的极简环境，也能接一整套云服务做企业级部署。

上手：Docker Compose 四行命令

准备工作只有一个前提——装好 Docker、Docker Compose 和 Git。

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
docker compose pull
docker compose up -d

起来之后浏览器打开 http://localhost，跟着引导走即可。三个服务的地址分别是：Web 界面 http://localhost、后端 API http://localhost:8080、Langfuse 链路追踪 http://localhost:3000。

如果想用本地的 Ollama 模型，先跑起 ollama serve，再在 .env 里配好模型名和地址——这部分官方配置文档写得比较细。另外还可以通过 --profile 参数按需开启 Neo4j（知识图谱）、MinIO 等额外组件。

除了 Docker，它还提供了另外三种部署方式：Kubernetes（Helm 编排）、Lite 单二进制（SQLite + 内存队列，无外部依赖，适合低配机器和本地试用）、以及桌面应用。对只是想先试试水的人，Lite 版比全套 Docker 轻得多。

v0.8.2 这次加了什么

这个版本（2026-09-24）的更新量很大，挑几个方向性的：

• 智能体能操作你自己的浏览器：通过腾讯同期开源的 BrowserSkill 扩展，智能体可以直接在你本机的 Chrome 或 Edge 里打开网页、点击、填表单。遇到登录和验证码会通过 request_help 交还给你处理——这点设计得比较克制，没有硬闯。顺带一提，BrowserSkill 也是腾讯开源项目（MIT，7,980 star）。
• 知识库可以发布给其他 AI 工具用：每个工作空间能发布 MCP 端点，Claude、Cursor、VS Code 等客户端连上就能检索你的知识库。页面会直接生成 mcpServers 配置片段，还附一行 Claude Code 命令。
• 对话可以中途改、分叉、回滚：回答到一半可以追加要求；能从任意一次提问处分叉出新对话；能在原地回滚，并把沙箱工作区恢复到对应检查点。
• 模型目录重建：27 家厂商的基础上，补全了上下文窗口、最大输出、推理档位、是否支持视觉等元数据。
• 新增数据源：Confluence、钉钉文档；网页搜索新增博查和 Serply。
• 白名单出站模式：开启后只允许访问白名单内的主机，堵住离线部署环境里基于 DNS 的数据外泄路径。

别搞混：腾讯的几个"知识库"不是一回事

这一点值得单独说，因为搜索结果里经常混在一起。腾讯在这个方向上其实有三个不同的东西：

• WeKnora——本次介绍的对象。开源框架，MIT 许可，自己部署、自己掌控数据，面向开发者和企业技术团队。
• 腾讯 ima——腾讯的知识库产品，有独立 App 和微信入口，面向普通用户。没有开源，你拿不到它的代码。
• 微信对话开放平台——托管式问答服务，不用写代码就能把问答发布到公众号和小程序。它是 WeKnora 的上游来源，WeKnora 正是从这套平台里抽出来开源的核心框架。

所以如果有人跟你说"腾讯开源了知识库"，指的应该是 WeKnora；如果他说的是 ima，那是产品不是源码。

几个需要提前知道的边界

介绍完能力，也得把话说全，下面几条是官方文档自己写明或仓库状态反映出来的：

• 版本号还在 0.x，迭代非常快。一年 40 个 release 的另一面是接口和行为仍在变动。v0.8.2 就带了破坏性变更——钉钉渠道改为仅支持 Stream 模式、沙箱内命令以 root 身份运行。升级前建议先读官方的 upgrade notes。
• 官方明确建议生产部署放内网。README 里写着：不要直接把服务暴露到公网，应部署在内网/私有网络，并配好防火墙与访问控制——目的是防止信息泄露。
• 许可虽是 MIT，但带了第三方组件。仓库的 LICENSE 文件里除 MIT 正文外，还附了第三方组件声明（例如 PaddlePaddle 采用 Apache-2.0）。主体可以自由商用，但那些组件各自的条款要照遵守。也正因为夹了这些声明，GitHub 把它识别成了 "Other" 而不是 MIT。
• 它是个需要配置的系统，不是开箱即用的玩具。Docker 起来只是第一步，你还要决定用哪个模型、哪个向量库、数据存在哪里。本地跑 Ollama 的话，显存和内存要留够。
• 注意两处官方"弃用"。v0.8.2 起，独立的 Python mcp-server/ 目录已标记弃用，改用内置 MCP 服务；沙箱的 Local 宿主进程后端也在 v0.8.0 被移除，Docker 变成可选项。

一句话总结

如果你的需求是"把公司里那堆散落的文档变成能问答、能查证、还能被 AI 工具调用的资产，并且数据必须留在自己机器上"，WeKnora 是当前国产开源里做得相当完整的一个选项——27 家模型厂商、8 种向量库、10 类数据源都能换，四条部署路线从单二进制到 K8s 全覆盖。但要接受它还在 0.x、升级需要跟版本变更的现实，以及生产环境必须自己做内网隔离。

项目地址：github.com/Tencent/WeKnora　官网与文档：weknora.weixin.qq.com（文档为中文，覆盖约 360 个 API 端点）

参考来源

• GitHub 仓库 Tencent/WeKnora — 元数据（star / fork / 许可 / 版本 / 推送时间）经 GitHub 官方 API 核实；README 原文、CHANGELOG、.env.example、仓库文件树均直接读取
• WeKnora 官方文档与官网 weknora.weixin.qq.com/docs — 产品介绍、部署方式、能力说明
• v0.8.2 发布说明（2026-09-24）与仓库 CHANGELOG.md — 更新内容与破坏性变更
• 腾讯开源 BrowserSkill 仓库 Tencent/BrowserSkill — 元数据经 GitHub 官方 API 核实

本文为项目解读，未做安装实测；能力清单、数量统计与版本信息均来自官方仓库与官方文档的直接核实。文中"27 家模型厂商""13 种文档格式"等数字为本人按仓库文件与 README 清单实际清点所得，与官方自述口径一致。项目仍在快速迭代，具体参数请以官方最新文档为准。