腾讯开源知识库 WeKnora，手把手教你在 NAS 上部署

WeKnora：

一款基于大语言模型（LLM）的文档理解与语义检索框架，专为结构复杂、内容异构的文档场景而打造。框架采用模块化架构，融合多模态预处理、语义向量索引、智能召回与大模型生成推理，构建起高效、可控的文档问答流程。核心检索流程基于 RAG（Retrieval-Augmented Generation） 机制，将上下文相关片段与语言模型结合，实现更高质量的语义回答。

架构设计：

核心特性：

• 🔍 精准理解：支持 PDF、Word、图片等文档的结构化内容提取，统一构建语义视图
• 🧠 智能推理：借助大语言模型理解文档上下文与用户意图，支持精准问答与多轮对话
• 🔧 灵活扩展：从解析、嵌入、召回到生成全流程解耦，便于灵活集成与定制扩展
• ⚡ 高效检索：混合多种检索策略：关键词、向量、知识图谱
• 🎯 简单易用：直观的Web界面与标准API，零技术门槛快速上手
• 🔒 安全可控：支持本地化与私有云部署，数据完全自主可控

适用场景：

应用场景	具体应用	核心价值
企业知识管理	内部文档检索、规章制度问答、操作手册查询	提升知识查找效率，降低培训成本
科研文献分析	论文检索、研究报告分析、学术资料整理	加速文献调研，辅助研究决策
产品技术支持	产品手册问答、技术文档检索、故障排查	提升客户服务质量，减少技术支持负担
法律合规审查	合同条款检索、法规政策查询、案例分析	提高合规效率，降低法律风险
医疗知识辅助	医学文献检索、诊疗指南查询、病例分析	辅助临床决策，提升诊疗质量

功能模块能力：

功能模块	支持情况	说明
文档格式支持	✅ PDF / Word / Txt / Markdown / 图片（含 OCR / Caption）	支持多种结构化与非结构化文档内容解析，支持图文混排与图像文字提取
嵌入模型支持	✅ 本地模型、BGE / GTE API 等	支持自定义 embedding 模型，兼容本地部署与云端向量生成接口
向量数据库接入	✅ PostgreSQL（pgvector）、Elasticsearch	支持主流向量索引后端，可灵活切换与扩展，适配不同检索场景
检索机制	✅ BM25 / Dense Retrieve / GraphRAG	支持稠密/稀疏召回、知识图谱增强检索等多种策略，可自由组合召回-重排-生成流程
大模型集成	✅ 支持 Qwen、DeepSeek 等，思考/非思考模式切换	可接入本地大模型（如 Ollama 启动）或调用外部 API 服务，支持推理模式灵活配置
问答能力	✅ 上下文感知、多轮对话、提示词模板	支持复杂语义建模、指令控制与链式问答，可配置提示词与上下文窗口
端到端测试支持	✅ 检索+生成过程可视化与指标评估	提供一体化链路测试工具，支持评估召回命中率、回答覆盖度、BLEU / ROUGE 等主流指标
部署模式	✅ 支持本地部署 / Docker 镜像	满足私有化、离线部署与灵活运维的需求
用户界面	✅ Web UI + RESTful API	提供交互式界面与标准 API 接口，适配开发者与业务用户使用习惯

安装

下载项目到本地：github.com/Tencent/WeKnora

解压 ZIP 文件，找到 .env.example 配置文件

打开编辑，修改 Ollama 地址（需要自行单独部署）

默认是用 Qwen3 8B 模型，也可以切换为自己的模型（记得删掉前面“#”屏蔽）

根据需要可以修改前端服务端口

TIP：如果是飞牛系统 postgres 容器端口 5432 已经被占用，需要进行修改

将文件重命名为 .env

将所有文件上传到 NAS 上

创建项目，选择上面文件夹路径即可（配置会自动导入）

等待容器构建完成需要一些时间

由于容器比较多，启动后一定要注意有没有报错，是否都全部启动成功

sudo bash ./scripts/start_all.sh
sudo bash ./scripts/start_all.sh --stop
sudo make clean-db
initialization

使用

浏览器中输入 http://NAS的IP:8081 就能看到界面

首先需要注册一个账号，点击“立即注册”

填写用户名，邮箱和密码进行注册

注册完成就可以登录了，注意是用邮箱

管理面板还是比较清爽简洁的，点击右上角“新建知识库”

这里我就随便填写一个名称了

TIP：有可能会遇到创建失败的情况（我也是后来加交流群才知道的解决方法）

连接 SSH，输入下面命令查看数据库表（这里只有几个，说明创建少了）

docker exec -it WeKnora-postgres psql -U postgres -d WeKnora -c "\dt"

输入下面命令初始化，会自动创建缺少的表了

docker exec -i WeKnora-postgres psql -U postgres -d WeKnora -f /docker-entrypoint-initdb.d/00-init-db.sql

再次输入命令查看，现在就全了

docker exec -it WeKnora-postgres psql -U postgres -d WeKnora -c "\dt"

创建知识库后，需要先配置一下

这里我是配置使用 Ollama 的，可以看到目前安装过的模型（每个人可能都不一样）

LLM 大语言模型配置，模型选了一个比较小的（速度考虑，也可以选大的会更智能）

Embedding 嵌入模型配置，也可以选普通常规模型，最好当然是选嵌入模型

其他这些就保持默认了，最后记得点击保存

设置完成就会进入知识库，上传需要学习的文件

随便找了两个文档进行测试

效果还行，起码是能索引到相关的文章

如果有不同类型需求，也可以创建多个知识库

系统信息，官方提供了 API 开发文档，有需要二次开发的用户可以点开看看

资源占用情况（不计 Ollama），处理器占用不高，内存占用在 1.3GB 左右

总结

部署这个也是遇到了一些小意外，就是无法创建知识库，上网搜索一堆也没找到方法，最后还是加了开发者的群才搞定的。真的要吐槽网络上的云教程，根本就是误人子弟，都是复制粘贴介绍的图片就算教程了。

WeKnora 是一款基于大语言模型的文档理解与检索框架，简单来说就是知识库。对接好模型，将需要学习的文档上传到知识库里，就可以对话搜索里面的内容了。不管是企业里整理内部文档、做知识管理，还是科研人员查文献、技术支持查手册，都能派上用场。