企业官网建设流程全解析

WeKnora 部署：从零到跑通 RAG 知识库

【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora

在几十份制度文档里翻一条报销标准，或者怀疑 AI 回答是编的——把文档丢进 WeKnora 部署好的实例，上传后就能问到带来源引用的答案。整套 WeKnora Docker 部署只用三条命令。

一分钟认识这个项目

先说清楚它是什么，免得装完不知道能干嘛：

• 定位：开源的 LLM 知识平台，把原始文档变成可查询的 RAG 问答、能自主推理的 Agent，以及一份会自我维护的 Wiki。
• 适合谁：个人学习、给团队搭 AI 知识库、给客服或 IM 渠道接一个懂业务的问答入口。
• 核心能力：深度文档理解（docreader 服务解析 PDF、Word、Excel 等格式）、语义检索（默认内置 ParadeDB 向量检索）、上下文问答（回答附引用来源，可点开核对原文段落）。
• 扩展是可选的：知识图谱（Neo4j）、链路追踪（Langfuse）都挂在 Compose profile 下按需开启，不是必装件。

从零到跑通：最短路径部署 WeKnora

前置条件一句话带过：机器装好 Docker（含 Compose 插件）和 Git，建议空闲内存 4GB 以上、磁盘留 20GB 给镜像，确认 80、8080、5432、6379 四个端口没被别的程序占用。

先把代码拉到本地，后面所有命令都在这个目录里跑：

git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora

所有可调项都收敛在一个.env里，从模板复制一份即可，文件内注释写清了每个变量的含义：

cp .env.example .env

然后启动。这个脚本会检查本地 Ollama 模型服务、拉取镜像并拉起核心容器，最后打印前端与 API 的地址：

./scripts/start_all.sh

不想让脚本代管 Ollama 时，把.env里的OLLAMA_BASE_URL指向远程推理服务，或直接docker compose pull && docker compose up -d等价完成。

打开页面、传一份文档：验证部署

两个动作，确认 WeKnora 本地部署真的可用：

1. 浏览器打开http://localhost（前端在 80 端口），能看到登录/注册页，说明前端、后端、数据库这条链路都通了；API 在http://localhost:8080。
2. 注册后新建一个知识库，上传一份 PDF 或 Word，等解析完，问一个文档里才有的问题。回答下方会列出引用来源，点开能定位到原文段落——这一步同时验证了解析、入库、检索、引用四段链路。

3个你必须知道的配置项

.env里变量上百个，先只盯这四个：

完整清单以.env.example里的注释为准。

⚠️ 常见坑与自排查

• 现象：./scripts/start_all.sh报 Docker 检查失败，容器起不来。原因：Docker 服务没启动，或机器上既没有docker compose插件也没有docker-compose。修复：跑环境诊断，逐项检查 Docker、Ollama、磁盘、内存：./scripts/start_all.sh -c

• 现象：页面能打开，但提问时后端日志报数据库连接失败。原因：.env里DB_PASSWORD等连接参数和 postgres 容器的实际配置对不上。修复：进容器验证连通性：docker compose exec postgres psql -U postgres -d WeKnora

• 现象：上传大文件提示失败。原因：单文件超过默认 50MB 限制，或STORAGE_TYPE指向的存储路径不可写。修复：在.env里调大MAX_FILE_SIZE_MB，改完需重启 app、docreader、frontend 三层容器才生效。

个人学习或团队知识库场景，这套方案够用。更多细节看官方文档 docs/，其中 docs/QA.md 是常见问题排查；部署脚本在 scripts/，提示词等运行配置集中在 config/。

【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora