微信扫码
添加专属顾问
腾讯开源企业级知识库WeKnora,本文带你第一视角拆解它的架构设计与核心能力。 核心内容: 1. WeKnora整体分层架构的设计思路 2. 文档解析、切分、检索三大核心环节的实现方案 3. 可插拔模块化设计的工程化优势
一个客户上周给我发了 300 多份资料。PDF、Word、Excel、扫描件、还有几个格式我都认不出来。
我自己的处理方式是:每种格式写一段解析代码,扫面件另外跑一套 OCR,切完的文本进数据库。这一趟下来,我花了三天。
三天之后我看到了腾讯开源的 WeKnora。
它的文档里写着一句话:把文件丢进去,剩下的它自己跑完。
我决定认真看看这东西到底是怎么搭的。
一个能处理文档的系统,核心就三件事:把文件读进来、把它切碎、让它能被搜到。
绝大多数开源项目只做好其中一件。WeKnora 的做法是——把三件都做成可以换的零件。
先看最外层的结构。它由四个东西组成:
前端、应用服务、文档解析器、以及一排存储后端。文档解析器是单独拆出来的一个服务,叫 docreader,它自己不存任何东西,只负责把各种格式的文件变成结构化的文本。
这个拆法很关键。因为文件格式是这世界上最脏的东西。
▲ 它做的事:把一堆格式各异的文件,切碎,结构化成能入库的东西
它支持 PDF、Word、PPT、Excel、CSV、TXT、Markdown、HTML、EPUB、MHTML、JSON、XMind、图片——十几种。
Office 那几种它用了一个内置的解析器叫 anydoc,在自己进程里就完成了。扫描件走的是 PaddleOCR-VL,一个视觉大模型做 OCR。
这是它跟大多数开源知识库的第一个区别:扫描件不是外挂,是内置能力。
我自己的方案里,OCR 是单独一个项目、单独一套流程。它的方案里,OCR 是解析器的一个选项。
▲ 每层抽屉是一道处理工序,最下层接管道把结构化结果送出去
文档切分是知识库最容易被低估的一环。
切得太粗,检索出来的东西不精确;切得太细,上下文全丢了。WeKnora 的做法是父子分块——一个大的语义块作为父块,里面套若干个小的子块。检索的时候用子块去匹配,返回的时候把父块带出来。这样既有精度,又有上下文。
更关键的是:每个 chunk 可以单独编辑、看差异、回滚。
这句话听起来平淡,但做过知识库的人会知道这意味着什么。传统做法是——你发现某一段切得不对,改完必须重建整个索引。一份几百兆的资料重建一次要几分钟到几十分钟。它的做法是,改那一个块,带版本历史。
检索有三层:
关键词和向量混合搜;搜完做 rerank 重排;再往上还可以接 GraphRAG——用知识图谱的方式把实体和关系织起来。
它官方给的能力表里还写了端到端评测,带召回率和 BLEU、ROUGE 指标。意思是它有一套标准的方法告诉你:我这次检索到底准不准。
▲ 每一层都是插拔式的零件——模型、向量库、存储,全都能换
这是我认为它最工程化的一点。
大模型支持 29 家。向量库支持 PostgreSQL、Elasticsearch、OpenSearch、Milvus、Weaviate、Qdrant、Apache Doris、腾讯向量库。对象存储支持本地、S3、MinIO、腾讯云、火山、阿里云、华为云、金山云。
每一层都能换。这意味着你可以只拿它做解析和切分,把数据吐进你自己的数据库;也可以全都用它的。
它 v0.8.2 版本里内置了一个 MCP Server。
每个知识库可以发布成一个独立的 MCP 端点,带自己的 token、自己的知识库范围、自己的限流。也就是说,装一套 WeKnora,它不仅能自己用,还能变成一个所有 AI 工具都能调的后端服务。
Cursor 能调、Claude 能调、任何支持 MCP 的 Agent 都能调。
我不会拿它替掉我现在的东西。我打算把它当成数据清洗的前端入口。
客户把各种乱七八糟的文件、管道文件塞进来。它负责把文件洗干净、切碎、结构化。然后数据流进我们自己的 PostgreSQL。
我要的是最后那个结果,不是它那一整套界面。
其实这件事的意义不在 WeKnora 本身。
而在于:当一个有工程能力的团队决定开源一套企业级基础设施时,小团队最花时间的那部分脏活,第一次有了免费的成熟答案。
我现在花在写解析代码、维护 OCR 流水线上的时间,可以拿去做别的了。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-08-28
2026-10-28
2026-10-11
2026-09-02
2026-10-30
2026-09-01
2026-09-25
2026-09-21
2026-10-31
2026-08-24
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。