当飞书、语雀、钉钉的文档学会自己回答问题

团队的知识从来不在一个地方：方案在飞书文档、接口说明在语雀、会议纪要在钉钉、老代码在 GitLab。想找个结论要开五个标签页，问同事还不如自己翻。腾讯开源的 WeKnora（维娜拉）干的就是把这些散落文档收进同一个"大脑"：RAG 问答有据可查，Agent 能拿着知识干活，还会顺手把资料整理成一部自动维护的 Wiki。项目在 GitHub 拿下 30.6 千星（本周又涨 3 千），Go 语言实现，MIT 协议，最新版本 v0.8.2。

项目简介

WeKnora 是腾讯开源的企业级知识管理框架，官方一句话定位：把原始文档变成可检索的 RAG、一个自主推理的 Agent，和一部自我维护的 Wiki。三种能力共享同一份知识库——你导入一次文档，检索、执行、整理三条路都能用。

数据接入是它的强项：飞书知识库和云盘、Confluence、GitLab、腾讯 IMA、Notion、语雀、钉钉文档、RSS 都能自动同步，文件则覆盖 PDF、Word、Excel、图片、XMind 等十余种格式，Office 文档由内置的 anydoc 引擎在 Go 进程内直接解析，不用再外挂一套解析服务。

核心功能

RAG 检索：混合检索加多模态解析，回答附带原文引用；检索分块支持手工编辑、版本比对和回滚，知识库质量可以持续打磨而不是一次导入放任不管。

知识 Agent：这是 v0.8.x 重仓的方向。技能可以从 ClawHub、SkillHub、Git 或 ZIP 安装，在 Docker、E2B 或 Cube 沙箱里运行；界面旁边能直接开交互式终端和图形桌面，BrowserSkill 扩展还能操作你自己的 Chrome 或 Edge。外部 MCP 服务（支持 OAuth）按工具逐个授权接入，跨会话的长期记忆会保存你确认过的偏好和事实。

Wiki 整理：把导入的文档自动组织成结构化 Wiki，生成知识图谱，支持版本回滚——知识库从"堆文件的网盘"变成"有人打理的百科"。

渠道与集成：企业微信、飞书、Slack、Telegram 里直接问答，网站可以嵌 Widget 对外服务；它自己还内置了一个 MCP Server，Cursor、Claude 这类工具能反过来连上你的知识库。

模型自由：内置 27 家模型厂商接入，OpenAI、DeepSeek、Qwen、智谱、混元、Gemini、Ollama、LiteLLM 都在列；大模型、向量数据库、存储后端全部可替换，数据可以完全留在自己的私有环境里。

快速上手

一台装好 Docker 的机器，四条命令：

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env    # 按需编辑，文件内有注释
docker compose up -d    # 首次建议先 docker compose pull

启动后访问 http://localhost 按引导配置，后端 API 在 8080 端口。想接本地 Ollama 模型，先把 ollama serve 跑起来再填 OLLAMA_BASE_URL。需要知识图谱、对象存储或链路追踪时，用 --profile 叠加启动：

docker compose --profile neo4j --profile langfuse up -d

对应的 Neo4j 知识图谱和 Langfuse 追踪面板（Agent 每一步、Token 用量、任务流水线）就都齐了。

适合谁用

企业团队：多空间 RBAC（四级角色加空间审计日志）是为组织内多团队共用设计的，IM 渠道问答让知识库长在同事已有的工作习惯里。

私有化场景：法务、医疗、金融这类资料不能出内网的环境，全套组件可替换加本地部署正好对口。

个人重度文档用户：笔记散在 Notion、语雀、本地 PDF 里的研究者，一台 NAS 或家用服务器就能跑起来。

对想要"文档不但能搜、还能自己长好"的团队来说，WeKnora 是目前开源方案里完成度相当高的一个，值得一台 Docker 主机的电费。