企业知识往往分散在文档、代码库、协作平台及网页中，且格式多样（文字、表格、流程图等）。传统 AI 问答常止步于“找答案”，难以应对多文档线索关联、制度动态更新及复杂任务执行（如查资料、调工具、生成文件）。
腾讯开源的 WeKnora（维娜拉）是一套基于大语言模型的知识管理框架。它围绕 RAG 快速问答、ReAct Agent 智能推理和 Wiki 模式构建，旨在将分散文档转化为可查询、可推理、可持续演进的知识资产。最新发布的 0.8.0 版本重点强化了 Agent 的执行能力，通过为会话提供持久化运行时沙箱，实现了文件读写、脚本执行与产物生成的闭环。
WeKnora 架构设计：从文档处理到检索、推理和交互展示的完整链路
前言｜文档“能上传”不等于“能理解”
传统知识库路径通常为“上传 - 切片 - 索引 - 检索”，虽解决了海量文本查找问题，但在真实场景中易断链：
- 结构丢失：真实文档（PDF、Excel、PPT 等）包含复杂结构与图表信息，若解析环节丢失层级与上下文，检索结果易脱离原意。
- 静态局限：制度与手册会迭代，仅保存初始切片难以保留编辑过程与版本变化。
- 执行缺失：复杂任务需跨文档推理、调用工具并生成新文件，单纯检索无法完成闭环。
WeKnora 致力于先完整读懂文档，建立可追溯、可维护的知识体系；进而让 Agent 在受控环境中执行多步任务，实现从“回答问题”到“解决问题”的跨越。
文档理解｜先解析内容，再建立知识
WeKnora 支持 PDF、Office 系列、Markdown、XMind 及音视频等多种格式。系统通过可配置解析流程，结合视觉语言模型（VLM）与语音识别（ASR），将多模态内容转化为结构化数据。
在 0.8.0 版本中，内置的 anydoc 引擎可在 Go 进程内直接解析 Office 文档，无需往返调用外部服务；新增的 XMind 大纲解析功能，使思维导图可直接入库索引。
解析后的文档保留文件夹结构与元数据，支持直接编辑检索分块。每次编辑均生成版本快照，用户可查看差异或回滚，索引随之自动重建。此外，系统新增“自动标签”功能，基于已有标签体系增量关联文档，既利用 AI 辅助整理，又保留人工分类逻辑。
知识库支持文件夹树、批量操作与文档管理
直接编辑知识分块，并查看版本历史与差异
知识建模｜从一堆片段，到彼此关联的知识
WeKnora 提供多元化的检索与建模策略。除常规的关键词与稠密向量检索外，还支持父子分块及 GraphRAG 图谱增强检索，以应对复杂关系场景。
特有的 Wiki 模式可将原始文档整理为相互链接的 Markdown 页面，并生成可视化知识图谱。这不仅展示了概念间的关联，更让用户能沿脉络浏览、编辑及追溯内容版本，将知识库从被动的“资料夹”升级为主动的“知识工作台”。
Wiki 模式将文档整理为可关联、可浏览的知识页面
知识图谱展示 Wiki 页面之间的关联
Agent 工作台｜从“找到答案”到“把事做完”
针对多步任务需求，WeKnora 0.8.0 引入了会话持久化的 Skill Sandbox Runtime。每个会话配备独立的运行时沙箱，命令执行、文件读写及产物生成均在同一受控工作区完成。系统支持 Docker、E2B 和 CubeSandbox 三种后端，适配本地自托管或云端环境。
沙箱机制确保了任务执行的连续性：前序步骤生成的文件可直接被后续步骤读取修改。会话结束后，沙箱内的产出文件将被收集，用户可下载或通过前端卡片直接预览 HTML、Office 文档及代码文件。
Agent 模式可组合知识检索、工具与沙箱完成多步任务
Skill 与安全边界｜让 Agent 拥有独立“电脑”
WeKnora 将 Skill 作为独立资源管理，支持从 ClawHub、GitHub、GitLab 或 ZIP 包安装，并提供完整的生命周期管理（安装、卸载、编辑）。管理员可限定 Agent 的 Skill 访问范围，确保工具与文件仅在对应工作区内运行。
安全控制贯穿全程：敏感环境变量注入后不回显；沙箱网络策略默认拒绝出网，支持白名单/黑名单规则；Docker 后端权限需管理员显式开启，防止主机风险暴露。这一机制赋予 Agent 明确的工作区、可靠的工具集及严格的运行边界。
Skill 目录支持从外部来源安装，并展示安装过程
对话持续演进｜上下文、记忆与产物的留存
为优化长对话体验，WeKnora 引入 Outline（问题大纲/迷你地图）功能，帮助用户快速定位历史问题。前端实时展示 Agent 的文件读写、脚本执行等动作细节，让处理过程透明化。
在模型侧，系统支持设置上下文窗口并触发自动压缩，通过稳定的 Prompt 前缀和缓存标记提升命中率。0.8.0 版本新增跨会话长期记忆功能，可提取并存储用户画像、偏好及待办事项。常驻信息自动带入对话，情境信息按需检索，用户在享受连续服务的同时，仍掌握记忆的启用与确认权。
模块化与生态｜连接更多来源与模型
WeKnora 采用模块化解耦设计，模型、Embedding、向量数据库及存储组件均可按需替换。支持本地、Docker Compose 及 K8s 部署，并提供 Web UI、API、CLI、浏览器插件及微信小程序等多端入口。
生态方面，新增 GitLab 和腾讯 IMA 数据源；LiteLLM 成为一等公民，支持多种 Chat、Embedding 和 Rerank 提供商；Exa 与 Metaso 可接入网络搜索。官方发布的 DeepSeek Harness 插件，允许编码代理通过只读工具检索 WeKnora 知识。此外，集成 Langfuse Tracing 可全链路追踪文档解析与运行状态。
Langfuse Tracing 展示文档解析与运行链路
快速开始｜三步启动本地知识库
WeKnora 支持通过 Docker Compose 快速部署。准备就绪后，执行相应命令即可启动基础服务：
- Web UI：http://localhost
- 后端 API：http://localhost:8080
- Langfuse：http://localhost:3000
如需知识图谱或对象存储等组件，可通过 Profile 启动。生产环境配置请参考项目 README。
对于微信生态用户，WeKnora 作为微信对话开放平台核心技术框架，支持上传知识后快速配置公众号、小程序等场景的智能问答服务。
结语
WeKnora 不仅仅是在文档上增加一个问答框，而是致力于构建一条从文档解析、知识组织到推理执行的完整链路。它让知识库真正读懂复杂内容，形成可检索、可追溯、可持续维护的知识资产；并通过带边界的沙箱工作区，赋能 Agent 调用工具、生成产物，完成多步复杂任务。
WeKnora 采用 MIT License 开源，期待开发者与团队共同参与，推动分散知识的理解、使用与持续演进。