WeKnora：从个人 LLM Wiki 到企业级 RAG，腾讯开源的模块化知识库框架

📝

从 Karpathy LLM Wiki 范式出发，撞墙后发现个人知识库≠企业知识库。WeKnora（腾讯开源，18,935⭐，Go+Vue3）填平了这道鸿沟：混合检索+Rerank+Wiki Mode（自动蒸馏双链知识页）+多租户+审计+IM/API入口的模块化知识中台。

原文链接：https://mp.weixin.qq.com/s/XqnTPvc-XhU-h_PiMwIRcg
GitHub：Tencent/WeKnora — 18,935⭐ | Go + Vue3

从 Karpathy Wiki 范式到企业级 RAG

故事从 Karpathy 的经典想法开始：把 LLM 当成”编译器”，将原始资料编译成互相链接的 Markdown 知识库，查询时直接 grep + 正则读取。这套东西在”一个人用”尺度上极其优雅——知识可读、可审计、无向量黑箱。

但当作者团队想把它升级成企业级知识库时，几堵墙同时压过来：

个人 Wiki	企业知识库
CLI / IDE agent 工具	REST/OpenAI 兼容 API + Web UI + IM 入口
grep + 正则（字面命中）	向量+关键词+重排（语义+精确）
多步 Agent（50s+，9%卡死率）	稳定低延迟
无多租户/审计/评测	权限隔离+审计日志+可观测+可回归

结论：问题不是 bug，是范式错配。

选型：三类路线

• 路线 A：Dify / FastGPT / RagFlow / MaxKB / WeKnora — 一站式开源平台
• 路线 B：vLLM + 向量库 + Embedding + Reranker 自研
• 路线 C：商业私有化产品

最终选择 WeKnora（腾讯开源），核心理由是其能力清单几乎照着刚需表长的，尤其是 Wiki Mode：

“WeKnora 能让 agent 自动把零散 chunk 蒸馏成互相 [[双链]]、可持续演进的 Markdown 百科页面，还带一张可交互的知识关系图。这就是我们把 Karpathy 那套范式直接产品化了。”

选型关键：场景决定最优解

作者引用了两篇”结论完全相反”的对照组：

• RAGFlow 适合”排版地狱般的合同表格一格不差识别”
• PageIndex 适合”把一本财报翻到极致准”（但自己承认多文档扩展差、成本线涨、不适合高并发）

场景不同，最优解不同。WeKnora 胜在平台级知识中台定位：多租户 + 多垂类 + 增量入库 + 混合检索 + 知识沉淀 + IM/API。

本文转载自微信公众号，作者：翻斗花园二蛋。如有侵权请联系删除。