最近騰訊開源了一個(gè)挺有意思的項(xiàng)目WeKnora，在GitHub上關(guān)注度漲得很快。作為一個(gè)正在學(xué)習(xí)和研究RAG技術(shù)的開發(fā)者，看到是基于RAG的文檔問答系統(tǒng)，而且又是微信對話開放平臺(tái)的核心技術(shù)棧，立馬就去研究了一下。

不只是另一個(gè)RAG項(xiàng)目

從架構(gòu)文檔來看，WeKnora不是簡單的向量檢索工具，而是構(gòu)建了一個(gè)完整的RAG pipeline。讓我比較感興趣的是它的多模態(tài)處理設(shè)計(jì)——根據(jù)文檔介紹，系統(tǒng)能處理PDF、Word、圖片等各種格式，通過OCR和圖像理解技術(shù)來提取結(jié)構(gòu)化內(nèi)容。這種設(shè)計(jì)思路在處理圖文混排的復(fù)雜文檔時(shí)應(yīng)該很有優(yōu)勢。

另一個(gè)技術(shù)亮點(diǎn)是GraphRAG的實(shí)現(xiàn)。從代碼結(jié)構(gòu)看，它能自動(dòng)構(gòu)建文檔間的知識關(guān)聯(lián)網(wǎng)絡(luò)，不只是簡單的文本相似度匹配。構(gòu)建知識圖譜對RAG的價(jià)值在于能夠捕捉文檔間的隱含關(guān)系，在檢索時(shí)不僅返回直接相關(guān)的內(nèi)容，還能通過圖譜關(guān)聯(lián)找到相關(guān)的上下文信息，這對提升回答的完整性和準(zhǔn)確性很有幫助。

模塊化架構(gòu)：擴(kuò)展性拉滿

WeKnora的模塊化設(shè)計(jì)做得挺徹底。從代碼組織來看，主要包含這幾個(gè)核心模塊：

//?代碼中的向量存儲(chǔ)接口設(shè)計(jì) type?VectorStore?interface?{ ????Store(ctx?context.Context,?docs?[]Document)?error ????Search(ctx?context.Context,?query?string,?k?int)?([]Document,?error) }

這種接口設(shè)計(jì)讓系統(tǒng)可以靈活切換不同的向量數(shù)據(jù)庫。文檔里提到支持pgvector和Elasticsearch，從技術(shù)選型來看很務(wù)實(shí)——pgvector適合PostgreSQL技術(shù)棧的團(tuán)隊(duì)，ES則是成熟的企業(yè)級方案。

看配置文件模板，系統(tǒng)支持的配置項(xiàng)相當(dāng)豐富：

• ??嵌入模型：本地模型、BGE、GTE等多種選擇
• ??文檔處理：靈活的分塊策略，chunk大小可調(diào)
• ??檢索機(jī)制：BM25、向量檢索、GraphRAG可組合使用
• ??大模型接入：支持Qwen、DeepSeek等，還有思考鏈模式

這種設(shè)計(jì)對二次開發(fā)很友好，基本上每個(gè)環(huán)節(jié)都能根據(jù)需求調(diào)整。如果你們已經(jīng)有自己的OCR服務(wù)或者特定的embedding模型，接入應(yīng)該不會(huì)太麻煩。

部署方案

WeKnora提供了比較完善的部署方案，項(xiàng)目提供了Docker鏡像和一鍵啟動(dòng)腳本：

#?官方提供的部署步驟 git?clone?https://github.com/Tencent/WeKnora.git cd?WeKnora cp?.env.example?.env #?編輯.env配置文件 ./scripts/start_all.sh

啟動(dòng)后，即可通過瀏覽器訪問 Web 界面（http://localhost），體驗(yàn)完整的文檔上傳、知識庫構(gòu)建與智能問答功能。

從docker-compose.yml文件可以看出，整個(gè)系統(tǒng)包含了后端服務(wù)、向量數(shù)據(jù)庫、消息隊(duì)列等組件。配置文件里的參數(shù)說明也挺詳細(xì)，像embedding模型選擇、chunk大小這些關(guān)鍵參數(shù)都有注釋說明。

特別注意到它支持本地部署和云端部署兩種模式，這對數(shù)據(jù)敏感的企業(yè)來說是個(gè)加分項(xiàng)。不想把文檔傳到云上的，完全可以本地部署一套。

技術(shù)細(xì)節(jié)

深入看了下代碼，有幾個(gè)技術(shù)細(xì)節(jié)值得關(guān)注：

中文場景優(yōu)化

代碼里有專門的中文處理邏輯，包括分詞優(yōu)化和中文embedding模型支持。README里推薦使用BGE中文模型，從社區(qū)反饋來看，BGE在中文語義理解上確實(shí)表現(xiàn)不錯(cuò)。配置示例里是這樣的：

#?推薦的中文配置 EMBEDDING_MODEL=bge-large-zh-v1.5 EMBEDDING_DIM=1024 CHUNK_SIZE=512 CHUNK_OVERLAP=50

看得出來，對中文場景是有專門優(yōu)化的，不是簡單套用英文模型。

混合檢索策略

系統(tǒng)實(shí)現(xiàn)了多種檢索機(jī)制的融合。從代碼邏輯看，它會(huì)先用BM25做初篩，再用向量檢索做語義匹配，最后通過重排序給出最終結(jié)果。這種混合策略理論上能兼顧關(guān)鍵詞匹配和語義理解。

#?從代碼注釋可以看出檢索流程 #?1.?BM25?keyword?matching #?2.?Dense?vector?retrieval?? #?3.?Graph-based?retrieval?(optional) #?4.?Reranking?and?fusion

對于技術(shù)文檔這種既有專業(yè)術(shù)語又需要語義理解的場景，這種策略應(yīng)該比單純的向量檢索效果更好。

知識圖譜

這是個(gè)挺有特色的功能。從實(shí)現(xiàn)代碼看，系統(tǒng)會(huì)分析文檔內(nèi)部的實(shí)體和關(guān)系，自動(dòng)構(gòu)建知識網(wǎng)絡(luò)。雖然可視化界面看起來還比較基礎(chǔ)（基于D3.js），但核心的圖譜構(gòu)建邏輯還是挺完整的。

適用場景分析

基于文檔和代碼的理解，我覺得以下場景特別適合用WeKnora：

企業(yè)知識庫構(gòu)建：內(nèi)部文檔多、格式雜、更新頻繁的場景。WeKnora的多模態(tài)處理能力能很好應(yīng)對各種文檔格式。

技術(shù)文檔檢索：API文檔、開發(fā)手冊、架構(gòu)設(shè)計(jì)文檔等?；旌蠙z索策略對技術(shù)術(shù)語的處理應(yīng)該不錯(cuò)。

客服系統(tǒng)升級：產(chǎn)品說明、FAQ、操作指南的智能問答?；谖⑿艑υ掗_放平臺(tái)的技術(shù)，穩(wěn)定性應(yīng)該有保障。

科研文獻(xiàn)管理：論文、研究報(bào)告、實(shí)驗(yàn)記錄等。知識圖譜功能對理解文獻(xiàn)關(guān)聯(lián)很有幫助。

如果你的文檔以中文為主，而且需要處理圖文混排的復(fù)雜內(nèi)容，WeKnora是個(gè)值得考慮的方案。

功能展示

WeKnora 提供了清晰直觀的 Web 交互界面，讓用戶無需編程即可輕松使用：

現(xiàn)階段的觀察

整體看下來，WeKnora作為騰訊新開源的項(xiàng)目，完成度還是挺高的。從代碼質(zhì)量來看，確實(shí)是大廠風(fēng)格——注釋規(guī)范、錯(cuò)誤處理完善、模塊劃分清晰。作為微信對話開放平臺(tái)的同款技術(shù)棧，穩(wěn)定性應(yīng)該是經(jīng)過驗(yàn)證的。

當(dāng)然，作為剛開源的項(xiàng)目，也能看出一些需要完善的地方：

• ? 文檔還在持續(xù)更新中，一些高級功能的使用說明還不夠詳細(xì)
• ? 社區(qū)剛剛起步，Issues和Discussions還不多
• ? 從代碼TODO注釋能看出，有些功能還在優(yōu)化中
• ? 缺少性能基準(zhǔn)測試數(shù)據(jù)，實(shí)際效果還需要驗(yàn)證

不過從技術(shù)架構(gòu)和代碼質(zhì)量來看，這個(gè)項(xiàng)目的基礎(chǔ)打得很扎實(shí)。特別是模塊化設(shè)計(jì)和中文支持這兩點(diǎn)，對國內(nèi)開發(fā)者很友好。

最后

期待后續(xù)看到更多開發(fā)者的實(shí)踐分享，也準(zhǔn)備找時(shí)間搭建環(huán)境實(shí)際測試一下。如果你已經(jīng)試用過，歡迎在評論區(qū)分享你的體驗(yàn)。

畢竟是新項(xiàng)目，一起期待它的成長吧。

項(xiàng)目地址：https://github.com/Tencent/WeKnora