个人和企业知识库怎么选？近30款开源和收费产品对比

知识库软件这两年多了很多。个人这边有 Obsidian、Notion、Logseq，公司这边有 Confluence、飞书知识库，再加上一大批带 AI 问答的新产品，名字一个比一个像。

我这几天把开源和收费、个人和企业四类产品都过了一遍，近 30 款。看下来，功能清单越来越像，设计思路差别很大，而思路决定了你三年后会不会想搬家。

这篇按四个象限介绍每款产品的特点和设计思想，最后给一张对照表。为了不被功能清单带着走，先给三把尺子。

先拿三把尺子量一量

几乎所有知识库，都可以用三个问题拆开看。

单位决定知识能不能被拆开重组。块级产品可以引用一段话，页面级产品读起来更完整。

组织方式决定找东西的路径。目录树要求你先想好放哪，双链和图谱允许你先记下来、以后再连。

维护者是这两年变化最大的一把尺子。过去知识库全靠人整理，现在一部分产品让 AI 检索原文作答，还有一部分直接让 AI 写和维护知识页。

个人知识库：开源阵营

开源个人知识库的共同点是数据在自己手里，差别在单位和组织方式。

Logseq：大纲结构，每条 bullet 都是一个块。打开先进当天日记，想到什么记什么，再用块引用和双链把散落的想法串起来。数据存成本地 Markdown 文件，新推出的数据库版改用 SQLite 存储。边研究边记、记完再整理的人用着最顺。

思源笔记：国产项目，AGPL 协议。和 Logseq 一样做块级引用，区别在底层用 SQLite 建了索引，任何一个块都能用 SQL 查出来。重度用户喜欢它，因为笔记攒多了以后可以像数据库一样检索。

Trilium：现由社区项目 TriliumNext 接手维护，主打树形层级。一篇笔记可以同时挂在多个父节点下，还能加属性、关系，甚至写脚本。笔记攒到上万条也管得住，代价是上手门槛高。

AFFiNE：可以当成开源版 Notion 加白板。文档、白板、数据库用的是同一份底层数据，可以在三种视图间切换。本地优先，用 CRDT 做多端同步。

Anytype：一切都是对象，每个对象有类型和关系，用起来更像一个个人数据库。数据存在本地，端到端加密，设备之间点对点同步，重视隐私的人会喜欢。要注意它采用免费增值模式，代码用的是源码可见协议，严格说算不上 OSI 认可的开源。

llm_wiki：代表今年新冒出来的一个方向。4 月份 Karpathy 提出 LLM Wiki 方法：原始资料只存不改，由大模型把资料写成互相链接的 Markdown 知识页，再用一份规则文件约束大模型怎么维护。nashsu 把这套方法做成了桌面应用，目前约 2.1 万 star，GPLv3 协议。

它的界面分三栏：左边是按类型分组的知识树，中间是对话，右边是预览和编辑，另有一个知识图谱视图。我读了它的文档和源码，有几处设计挺用心：

• • 摄入分两步，大模型先分析资料，再生成页面，每页都记下自己来自哪些原始文件
• • 用文件哈希做增量缓存，没改过的资料不重复处理
• • 大模型拿不准的地方进审核队列，留给人判断
• • 多了一个 purpose.md，写明这个知识库为什么存在、要回答哪些问题

它和 RAG 的分歧在于什么时候理解知识。RAG 每次提问时临时去原文里找，LLM Wiki 提前把知识整理成文章，提问时直接读整理好的结果。

个人知识库：收费和闭源阵营

收费产品的优势在体验打磨和同步省心，代价是数据格式和服务商绑在一起。

Obsidian：严格来说它免费但不开源。笔记就是本地 Markdown 文件，几千个社区插件补齐了各种功能，近两年又加了 Bases，可以把笔记当数据库视图来看。官方 FAQ 写明商业使用不再强制购买许可证，同步服务按年付约每月 4 美元。

它的设计思路是软件可以换，文件要留得住，这也是很多人用了几年还不想走的原因。

Notion：块加数据库，几乎什么都能搭。2026 年的定价把 AI 打包进了 Business 方案，约每人每月 20 美元，包含 Notion Agent、会议纪要和跨工具的企业搜索；据第三方整理，自定义 Agent 另按额度计费，每 1000 额度 10 美元。

Heptabase：白板加卡片。把资料拆成卡片铺在白板上，靠空间位置帮你理清复杂问题。评测普遍认为它以桌面端为主，协作功能还比较弱。

Tana：大纲笔记加超级标签。给一条笔记打上会议或任务标签，它就自动带上对应字段，像在写笔记的同时建数据库。官方现在主打团队场景，强调从会议和日常工作里自动沉淀知识。

Capacities：同样以对象为单位，人、书、想法各是一种类型。思路接近 Anytype，走的是云端订阅路线。

NotebookLM：Google 出品，回答只依据笔记本里的资料，每句话都能点回原文。免费版每个笔记本大约能放 50 份资料。围绕一个课题集中读资料很好用，长期积累知识会受这个上限限制。

腾讯 ima：和微信生态打通，公众号文章、聊天文件可以直接收进知识库再问答。2026 年 6 月，腾讯宣布 ima 知识库接入元宝作为信息来源，知识号已覆盖金融、法律、医疗、教育等 20 多个行业。重度微信用户用它收集资料最顺手。

企业知识库要先回答五个问题

到了企业，问题变复杂了。一般会同时遇到五件事：

1. 1. 门类多：产品、技术、销售、法务各有一套资料，要能分区，也要能跨区找
2. 2. 多人协作：很多人一起写，还要管好谁能看什么
3. 3. 持续更新：资料散在各个系统里，要能自动同步，删掉的也要清掉
4. 4. 准确性：解析不出错，回答能溯源，过期内容要有人管
5. 5. 召回率：问得模糊也能找到对的那几段

开源方案通常要几个项目组合起来，才能覆盖这五件事。我把它们拆成六层来看。门类和召回主要落在检索层，协作和准确性落在治理层，更新落在采集层：

企业知识库：开源阵营

开源项目大致分两类：Wiki 类补的是治理层，AI 类补的是采集、解析、检索这几层。

人写内容的 Wiki 层

BookStack：MIT 协议，强制书架、书、章、页四级结构。规矩是死的，团队里没人专门维护时也乱不到哪去。

Wiki.js：AGPL 协议，内容可以同步到 Git 仓库，文档能像代码一样走版本管理，开发团队用着顺手。

Docmost：AGPL 协议，接近开源版 Confluence，重点放在多人实时协同编辑。到 2026 年 8 月约 2.15 万 star，上升很快。

Outline：体验打磨得好，单点登录支持完整。要注意它的自托管版是源码可见协议，不属于 OSI 认可的开源协议，有合规要求的公司要先确认。

PandaWiki：长亭出品，AGPL 协议，约 1 万 star。编辑器、AI 问答、AI 搜索做在一起，能接钉钉、飞书、企业微信机器人，多用在产品文档、帮助中心、客服 FAQ 这类对外场景。

AI 问答和检索层

RAGFlow：Apache-2.0 协议，到 2026 年 6 月约 8.3 万 star。它的思路是先把文档读准：PDF 的版面、表格、图片先解析清楚，再按文档类型选不同的切块方式。

后来又陆续接入了 Confluence、Notion、Google Drive、S3 等数据源同步。8 月的 v0.27.1 下线了原来的 GraphRAG 和 RAPTOR，改成知识编译里的图和树两种结构。短板在权限，1.0 预览版说明里写着团队级权限模型还不支持。

WeKnora：腾讯开源，MIT 协议。它把 RAG 问答、能多步执行任务的 Agent，以及大模型自动维护知识页的 Wiki 模式做在一个框架里，v0.5.2 已经能对 4 万份文档规模的知识库做 Wiki 摄入。

国内团队尤其值得看两点：它能同步飞书、Notion、语雀、RSS、GitLab 的内容；切块可以人工编辑并保留修订历史，模型理解错了有地方纠正。

Onyx：原名 Danswer，核心代码 MIT 协议。40 多个连接器把 Slack、Google Drive、Confluence、Jira、GitHub 的内容拉进统一索引，默认每 30 分钟同步一次增量，每 30 天清理一次源系统里已删除的内容。

权限同步是 Onyx 最有价值的设计，但只在企业版里提供。

Dify、FastGPT、MaxKB：这三款都把知识库作为一个模块，嵌进对话应用和工作流里。Dify 检索时可以按元数据过滤，过滤条件既能手动设，也能让模型从问题里自动推出来；还支持内部加权打分或外接重排模型。默认只取 3 段，分数阈值开启后默认 0.5，企业资料多时一般要把取回段数调大。MaxKB 是 GPL-3.0 协议；Dify 和 FastGPT 在 Apache 2.0 基础上加了附加条款，商用前要读清楚。

LightRAG：MIT 协议，先从文档里抽出实体和关系建成知识图谱再检索，补的是向量检索不擅长跨文档推理的短板。和微软 GraphRAG 相比，它更轻量，设计上就支持增量更新图谱，新文档进来不用整体重建。

企业知识库：收费阵营

收费产品和开源方案拉开差距的地方，集中在连接器、权限和治理。

Confluence 加 Rovo：老牌企业 Wiki，按空间和页面树组织。Atlassian 把 Rovo 的搜索、对话和 Agent 放进了所有付费方案，按用户分配使用额度。第三方对比给出的价格约为 Standard 每人每月 5.4 美元、Premium 10.4 美元。已经在用 Jira 的团队迁移成本最低。

Notion 企业版：在 Business 的基础上加更细的权限、审计和管理能力。它的优势是同一个工具里既能写文档又能管项目，知识和工作挨在一起。

Glean：做的是企业搜索，不要求你把内容搬进来。它连上各个 SaaS 系统，按每个人在源系统里的权限返回结果。不公开标价，第三方估算约每人每月 45 到 50 美元，年费门槛五六万美元起，小团队很难摊薄这个成本。

Guru：核心设计是知识验证。每张知识卡片指定一位负责专家和复核周期，到期提醒负责人确认；没人确认，卡片就被标成未验证。第三方整理的入门方案约每人每月 25 美元。

开源方案普遍缺的那块治理能力，Guru 做成了产品主线。

飞书知识库：知识就是日常协作里的云文档，按知识空间和页面树组织，权限沿用文档权限。在此基础上，飞书知识问答可以连接飞书表格、MySQL 等数据源，用对话方式查数据、出图表。已经全员用飞书的公司，几乎不用迁移。

一张表看怎么选

关键结论

• • 看知识库先看三把尺子：最小单位、组织方式、维护者。功能清单会趋同，这三项决定了产品性格。
• • 个人选型优先看数据格式。本地 Markdown 至少保证正文换工具也带得走，双链、块引用这些扩展语法则要看新工具认不认。
• • AI 正在接手维护者的位置，路线分成两条：RAG 在提问时检索原文，LLM Wiki 提前把知识整理好。两条路线会长期并存，后者更适合需要反复积累的个人和团队知识。
• • 企业知识库的难点集中在权限和治理。开源项目在解析和检索上已经很强，权限同步和知识验证仍然是收费产品的护城河。
• • 准确性靠两头：解析和检索能补上一部分，过期内容只能靠有人负责。工具管检索，复核周期得靠组织自己定。