📋 编辑总结
私有化部署的企业 RAG 知识库。WeKnora 是腾讯开源的 LLM 知识平台：把原始文档变成可检索的 RAG 问答、能执行多步任务的 Agent 与自动维护的 Wiki，三者共用同一知识库；支持 PDF、Word、图片等 10 余种格式，可从飞书、Confluence、Notion 等数据源自动同步，内置 MCP Server 供 Cursor、Claude 等工具接入，模型、向量库、存储均可替换，支持私有云部署。 定价：免费开源（Apache 2.0），模型与算力费用自理。编辑评分：⭐ 4.6。

WeKnora 是什么？

WeKnora 是腾讯开源的 LLM 知识平台，围绕一个目标构建：把企业的原始文档变成可被检索、推理与持续维护的知识资产。它在一条主线上提供三种形态——用 RAG 查资料、用 Agent 办任务、用 Wiki 组织知识，三者共用同一批知识库。项目在 GitHub 开源（Tencent/WeKnora），官网 weknora.weixin.qq.com，自发布以来持续高频迭代，2026 年 9 月已演进到 v0.8.x 版本，是企业私有化知识库赛道最受关注的开源项目之一。

它的工程底盘是模块化的「文档理解 + 检索 + 大模型推理」流水线：支持 PDF、Word、Excel、图片、XMind 等 10 余种格式，Office 文件由 anydoc 进程内解析；向量化与混合检索负责召回，大模型负责生成，答案可追溯。数据进入端支持飞书知识库与云文档、Confluence、Notion、语雀、钉钉文档、GitLab、RSS 等来源的自动同步，文件夹上传保留目录树，检索块可编辑、对比与回滚。作为腾讯系项目，它与微信生态的对接是天然强项：问答可直接接入公众号、小程序、企业微信等场景。

核心功能

  • RAG 问答：混合检索加可追溯生成，支持文档库与 FAQ 问答对两类知识库，回答附引用，适合沉淀标准流程与产品知识。
  • 自主 Agent：基于推理-行动循环执行多步任务，工具箱支持从 ClawHub/SkillHub/Git/ZIP 安装技能，在会话持久的 Docker/E2B 沙箱中运行，带交互终端与图形桌面；BrowserSkill 扩展可驱动用户自己的 Chrome/Edge。
  • 知识 Wiki：把知识库组织成自动维护的 Wiki，跨会话长期记忆保留用户画像与已确认事实，检索块级别可编辑、对比与回滚。
  • MCP Server：每个工作区独立 /mcp 端点、独立令牌与知识库范围、限流与工具组，把企业知识开放给 Cursor、Claude 等 AI 工具安全调用。
  • 企业治理与可观测：多工作区 RBAC（四角色、按资源授权、工作区审计日志）、任务队列治理面板、Langfuse 追踪 Agent 步骤与 Token 用量。
  • 灵活部署：模型、向量库、存储后端全部可替换；标准 Docker Compose、轻量 Lite 单二进制（SQLite、零外部依赖）、桌面应用与云服务器应用模板多形态可选。

版本/套餐对比

WeKnora 完全开源，Apache 2.0 协议，无付费版本；成本主要在模型调用与算力——可接云端 API，也可用 Ollama 本地模型实现零外呼。部署形态上：Docker Compose 是标准路径，全部功能齐备；Lite 单二进制面向本地或低资源场景；桌面应用自带 GUI 与免登录启动；Kubernetes 适合规模化私有云。版本迭代节奏快，v0.8.x 相比早期版本增加了多工作区权限、任务队列、长期记忆、技能沙箱与 Japanese UI 等能力，升级时官方提供了升级注意事项，从 v0.8.0 跨版本需先阅读。安全方面，官方强烈建议部署在内网而非公网直接暴露，并保持版本更新。

值不值得用？

值得选的理由：对数据安全是硬约束的团队——律师、医疗、金融、央企研发部门——「数据不出门」是第一需求，WeKnora 提供了功能完整度罕见的开源自托管方案；对想给 AI 工具喂私有知识的团队，内置 MCP Server 让 Cursor、Claude 直接查企业文档，一步到位；与微信生态的顺滑对接在国内业务场景里独有优势。

需要冷静的地方：开源不等于零成本，向量库、模型与运维都需要投入；迭代快意味着升级频率高，生产环境要建立版本管理纪律；直接暴露公网有信息泄露风险，安全加固是部署必修课；Agent 与技能沙箱等高级能力需要一定的配置能力才能发挥完整价值。

使用建议

  • 先用 Docker Compose 在内网跑通一个最小知识库，接入两三个真实数据源验证检索质量，再规划工作区与权限。
  • 用 FAQ 知识库沉淀高频问答，与文档库互补，显著降低重复提问的检索负担。
  • 生产部署务必内网化：配置防火墙与访问控制、定期升级安全补丁，遵循官方安全建议。
  • 有编程工具的团队优先开放 MCP 端点，把「问知识库」嵌入 Cursor、Claude 的日常工作流。

适合谁用？

推荐：需要私有化 RAG 知识库的企业 IT 与知识管理团队、对接微信生态做智能客服的运营方、想把企业文档接入 AI 编程工具的工程团队、研究 RAG 与 Agent 架构的开发者。

可考虑：预算有限但想要可演进知识中台的小型团队，可从 Lite 单二进制起步。

不推荐：不想维护任何基础设施、只想要 SaaS 开箱即用的轻量用户；对腾讯系生态与中文文档无需求的纯海外团队（需评估英文资料覆盖）；无运维资源的个人轻度使用场景。