牛逼！腾讯把ima开源了！

你有没有这样的困扰？为了找一个躺在某个PDF角落里的产品参数，或者为了对比几份技术手册里的差异，花了好几天时间；又或者，你是否经历过，面对一份上百页的合同或科研论文，明明知道答案就在里面，却感觉像是在大海捞针？

今天给大家推荐一款腾讯开源的基于大模型的文档理解检索框架——WeKnora，可以给这些结构复杂、格式各异的文档“装上大脑”，让你能从“手动翻找”彻底变为“开口就问”，目前该项目在GitHub上已经收获超12k star，反响非常不错！

01 简介

WeKnora（是一款基于大语言模型（LLM）的文档理解与语义搜索框架，专为结构复杂、内容丰富的文档场景而打造。

框架采用模型架构，融合多模态分割、语义认知索引、智能感知与大模型生成推理，构建高效、可控的文档问答流程。基于RAG（Retrieval-Augmented Generation）的核心搜索流程，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。

02 核心特征

• Agent模式： 支持ReACT Agent模式，可调用内置工具检索知识库、MCP工具和网络搜索，通过多次迭代和反思给出全面总结报告
• 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
• 多类型知识库： 支持FAQ和文档两种类型知识库，支持文件夹导入、URL导入、标签管理和在线录入
• 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
• 效检索： 混合多种检索策略：关键词、向量、知识图谱，支持跨知识库检索
• 网络搜索： 支持可扩展的网络搜索引擎，内置DuckDuckGo搜索引擎
• MCP工具集成： 支持通过MCP扩展Agent能力，内置uvx、npx启动工具，支持多种传输方式
• 对话策略： 支持配置Agent模型、普通模式模型、检索阈值和Prompt，精确控制多轮对话行为
• 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

03 技术架构

WeKnora 采用现代化的模块化架构，将文档理解与检索流水线清晰解耦。这主要包括：

• 文档处理层： 负责多格式文档（PDF, Word, 图片等）的解析与预处理。
• 知识建模层： 通过向量化、分块、知识图谱等技术，为内容构建深度的知识表示。
• 检索引擎层： 创新性地融合了关键词、向量、知识图谱等多种检索策略，确保召回既高效又精准。
• 推理生成层： 利用大语言模型进行深度理解和答案生成，并在此之上集成了Agent推理能力。
• 交互展示层： 提供直观的Web界面和标准API。

这种设计带来了极大的灵活性。你可以自由组合检索策略、大模型（支持 Ollama，可灵活切换 Qwen、DeepSeek 等主流模型）和向量数据库。同时，全链路的设计也保障了可控性，支持私有化部署，数据完全自主。

从 v0.1.3 开始，系统还增加了登录认证功能，官方强烈建议将服务部署在内网环境，并配置好防火墙，以保障安全。

04 快速开始

环境要求

确保本地已安装以下工具：

• Docker
• Docker Compose
• Git

安装步骤

1、克隆代码仓库

# 克隆主仓库git clone https://github.com/Tencent/WeKnora.gitcd WeKnora

2、配置环境变量

# 复制示例配置文件cp .env.example .env# 编辑 .env，填入对应配置信息# 所有变量说明详见 .env.example 注释

3、启动服务 (含 Ollama)

检查 .env 文件中需要启动的镜像。或者

./scripts/start_all.sh

或者

make start-all

4、停止服务

./scripts/start_all.sh --stop# 或make stop-all

服务访问地址

启动成功后，可访问以下地址：

• Web UI：http://localhost
• 后端 API：http://localhost:8080
• 链路追踪（Jaeger）：http://localhost:16686

05 功能展示

• Web UI 界面
• 知识库管理

• 对话设置

• Agent模式工具调用过程

06 开源地址

开源地址：https://github.com/Tencent/WeKnora