腾讯开源 WeKnora：把一堆文档变成“能问的”知识库，Docker 一键部署

一句话： 腾讯开源的自托管 LLM 知识库平台（MIT），3 万+ star。把文档、飞书、语雀、Notion 里的资料变成带引用的 RAG 问答库，还附带 Agent 智能推理和自动生成的 Wiki。Docker 一行命令就能跑起来。

痛点：资料越攒越多，问个问题先翻半小时

公司文档在飞书，个人笔记在 Notion，产品手册是一堆 PDF，微信群文件天天过期。想查一个配置参数，先回忆”这东西我存哪儿了”。

另一头，想搭个自己的 RAG 知识库的人也不少：LangChain 拼一套能跑，但解析、切块、向量库、重排、Web 界面全要自己攒，链条一长就没人维护了。

WeKnora 的定位就是：把这套链条做成开箱即用的产品——传文档、配模型、提问，三步完事。

它能干什么

核心是三件事，都跑在同一套知识库上：

快速问答：检索相关片段生成回答，每个答案带原文引用，点引用直接跳到出处。
智能推理：ReAct Agent 模式，多步骤任务自己规划——搜库、读文档、调工具、甚至操作你电脑上的浏览器（通过 BrowserSkill 扩展），过程全展示。
自动 Wiki：从文档里抽取人物、产品、概念，自动生成互相链接的 Markdown Wiki 页面和知识图谱，页面可改、可回滚。

周边能力不少：飞书/飞书云盘、Confluence、GitLab、Notion、语雀、钉钉文档、RSS 自动同步；企业微信、飞书、Slack、Telegram、QQ、微信等 IM 问答通道；内置 MCP Server，给 Cursor / Claude 当知识库工具用；PDF / Word / Excel / PPT / EPUB / XMind / 图片 / 音频，十几种格式通吃。

模型支持 27 家：Ollama 本地模型、DeepSeek、Qwen、智谱、硅基流动、OpenAI 兼容 API 都行。对话模型和向量模型分开配，界面里带连通性测试按钮。

上手：标准部署四步

机器要求：Docker + Docker Compose。标准版官方建议 4 核 CPU / 8GB 内存起步（docreader 含 LibreOffice、Playwright，比较吃内存），这个数不含 Ollama 模型权重的开销。

1. 拉代码、准备环境变量

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env

.env 里几个必填项自己填：DB_USER / DB_PASSWORD / DB_NAME、REDIS_PASSWORD、JWT_SECRET、SYSTEM_AES_KEY。密钥生成：

openssl rand -hex 32   # JWT_SECRET
openssl rand -hex 16   # SYSTEM_AES_KEY（32 字节）

注意：SYSTEM_AES_KEY 升级时必须沿用旧的，否则已加密的凭据解不出来。

2. 启动

make start-all     # 一键封装：拉镜像、兜底 .env、检查 Ollama
# 或原生命令：
docker compose pull && docker compose up -d

3. 注册登录

浏览器打开 http://localhost，首次访问是注册页（系统没有默认账号）。注册后自动建个人工作空间，你就是 Owner。

4. 建库、配模型、传文档、提问

在「知识库」页新建（选 document 文档库或 faq 问答对库），初始化向导会让你选对话模型和向量模型：

本地 Ollama：先在宿主机 ollama serve 跑起来，容器里填 http://host.docker.internal:11434
远程 API：DeepSeek / 通义 / 智谱等，填 base_url + api_key，点「测试」确认连通

然后直接拖文件或粘贴网页 URL 上传，文档异步解析（pending → processing → finalizing → completed），解析完进对话页选知识库就能问了。答案正常显示且引用能点开，说明链路跑通。

懒得折腾 Docker 的还有 Lite 单二进制：SQLite + 内存队列，零外部依赖，一个进程跑全套，适合个人本机用。桌面应用目前尚未正式发布，别等。

先看硬件要求

部署形态	配置
Docker 标准版	4 核 CPU / 8GB 内存起步（不含模型权重）；磁盘按知识库规模预留
Lite 单二进制	低资源本机，SQLite + 内存队列，无外部依赖
模型	远程 API 最省事；本地 Ollama 跑 qwen3:8b 这类模型，另需 8GB+ 内存/显存

想全本地：qwen3:8b（对话）+ bge-m3（向量）是官方文档示例里的搭配，普通带显卡的台式机或 Mac 都能跑。Ollama 的安装和模型选择可以看本站这篇：本地大模型部署终极生存指南：从”手搓裸机”到”精装入驻”。

常见问题（官方 FAQ 整理）

Q：初始化时 Ollama 检测失败？

A：容器里的 localhost 指的是容器自己。宿主机 Ollama 用 http://host.docker.internal:11434。Linux 上要确认 compose 的 extra_hosts: host.docker.internal:host-gateway 生效了。

Q：文档上传后一直卡在 processing？

A：看 docker logs WeKnora-docreader。大文件受 MAX_FILE_SIZE_MB（默认 50）和解析超时（默认 2 小时）限制，PDF 扫描件会慢一些。

Q：问答没有引用 / 召回为空？

A：先确认文档解析状态是 completed；再检查 embedding 模型是不是和建库时一致（换了向量模型要重建索引）；检索阈值 vector_threshold 可以调低试试。

Q：注册页签不见了？

A：查 GET /auth/config 的 registration_mode，管理员可能在「设置 → 系统」里关了公开注册。此时只能走邀请链接。

Q：Docker 自托管还有哪些坑？

A：可以参考本站这篇 Docker 实战：用 Docker 在局域网部署 Prompt Optimizer，端口映射和局域网访问的思路通用。

先泼三盆冷水

别公网暴露。 官方 README 明确警告：生产部署强烈建议放内网，不要直接暴露到公网。9 月中旬刚修过一个跨租户数据隔离漏洞（GHSA-2f4c-vrjq-rcgv），自托管的东西，安全是自己的责任。
迭代极快，升级留神。 40 个 releases，数据库是 ParadeDB（PostgreSQL 17 + 向量扩展），跨版本升级要看升级说明，直接 pull 覆盖可能出问题。
桌面版还没发布。 README 写得很清楚：桌面应用”no installer is published yet”，想双击即用的再等等，源码编译玩家除外。

适合谁 / 不适合谁

适合：HomeLab / NAS 玩家想搭私人知识库的人；小团队想把飞书/语雀文档变成问答机器人的；折腾 RAG 但不想从 LangChain 手搓的人；想给 Cursor / Claude 接私有知识库 MCP 的人（MCP 部署思路见本站这篇：为本地大模型接入 MCP 服务）。

不适合：就想问几个 PDF、装个软件都不想的人——杀鸡用牛刀；指望开箱就有大模型的人——模型要自己接 API 或本地跑；要公网给全公司用又没运维能力的人——先看第一盆冷水。

一句话

WeKnora 回答的是”团队/个人的知识资产怎么变成能对话的东西”——不卖概念，Docker 一行命令起服务，中文文档齐全，飞书语雀 Notion 全接上。对中文折腾党来说，少见的开箱友好度。先内网跑起来，公网的事以后再说。