牛逼！腾讯把ima开源了 | 芋道源码 —

阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/tencent-weknora-knowledge-framework/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

找一个躺在 PDF 角落里的产品参数，或者对比几份技术手册的差异，这种事以前得翻好几天。腾讯开源的 WeKnora 就是冲这个场景来的，它是基于大模型的知识管理框架，把团队分散的文档汇到一处。

先把标题里那件事说清楚。ima 是腾讯的 AI 智能工作台，到现在依然是云端服务；WeKnora 是腾讯开源出来的文档理解与检索框架。社区里普遍把 WeKnora 讲成「ima 知识库能力的开源版」，官方的说法没这么写，README 现在的口径是「腾讯开源的企业级知识管理框架」，倒是把腾讯 IMA 列进了可自动同步的数据源里。

它现在 GitHub 上三万两千多 Star，最新版本 v0.8.2，MIT 协议。

仓库首页实时截图，Star 与 Fork 计数同时可见

它把「找文档里的答案」拆成三件事

知识库的文档列表界面

查资料用 RAG，处理多步任务用 Agent，整理知识用 Wiki。三块共用同一批知识库，不是三个各自为政的模块。

RAG 这层做的是混合检索，关键词、向量、知识图谱三种策略可以自由组合，还支持跨知识库检索。解析侧覆盖 PDF、Word、图片等格式，问答会给引用来源，能顺着点回原文。

知识库本身分两种类型，文档库和 FAQ 库；导入方式有文件夹上传、URL 导入、标签管理和在线录入；检索出来的分块还能编辑、比对和回滚。

一个 Agent 加一个沙箱，是它的下半场

智能体配置界面，含提示词与模型配置与工具配置

Agent 是它这两年长出来的重心。技能可以从 ClawHub、SkillHub、Git 或 ZIP 装，跑在会话级常驻的沙箱里，Docker、E2B、Cube 三种后端可选；对话旁边能打开交互式终端和图形桌面，看着它一步步做，需要的时候自己接手。

工具箱里还有 MCP。外部 MCP 服务支持 OAuth，能接进来按工具逐个启用，哪些调用需要审批也能单独配。反过来它自己也能对外提供 MCP 端点，让 Cursor、Claude 这类工具连上来查你的知识库。

最近一版加的是浏览器。通过腾讯开源的 BrowserSkill 扩展，Agent 能直接操作用户自己的 Chrome 或 Edge，打开网页、填表单，遇到登录和验证码就交回给人。

二十多家模型与十来种数据源，都可替换

Agent 模式下的推理与工具调用过程

模型这块不绑定。内置二十多家厂商的目录，兼容 OpenAI、DeepSeek、Qwen、智谱、混元、Gemini、MiniMax、Ollama 这些；向量数据库和存储后端也能换，想全本地跑就接 Ollama。

数据源比预想的多。飞书知识库与飞书云盘、Confluence、GitLab、腾讯 IMA、Notion、语雀、钉钉文档、RSS 都能自动同步。

权限和运维也补齐了。多空间 RBAC 分四级角色，带空间审计日志；Agent 的每一步、Token 用量和任务流水线可以通过 Langfuse 追踪。

装起来是五条命令

需要 Docker、Docker Compose 和 Git 三样前置。它的主路径是 Docker Compose，容器起来之后模型、向量库和存储后端都能在 .env 里换掉，想全本地跑就把模型指到 Ollama，本地部署就是下面这几条。

三步装完

克隆、配环境变量、起服务。

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
ollama serve > /dev/null 2>&1 &
docker compose pull
docker compose up -d
# 需要知识图谱与对象存储等可选组件时
docker compose --profile full up -d

起来之后 Web UI 在 http://localhost，后端 API 在 8080 端口，链路追踪（Langfuse）在 3000 端口。停服务用 docker compose down。想部署到内网的话，记得配上防火墙。

什么时候值得自己部署一套

如果团队的痛点是资料散、找起来慢、又不放心放到别人的云上，那这套东西值得花半小时试一下，部署成本是几条命令，模型和数据都能留在自己环境里。

要留意的有两条。一是它功能面铺得很开，Agent、沙箱、MCP、多空间 RBAC 这些真用起来配置量不小，建议先按最小路径跑通再逐块加。二是许可写的是 MIT，但仓库里那份 LICENSE 是带第三方声明的组合文本，要拿它做二次开发或者商业分发，最好先自己过一遍。

仓库地址是 https://github.com/Tencent/WeKnora 。最后交代一句，我没有实际部署过 WeKnora，上面的功能描述来自官方 README 与官网文档，具体的模型与数据源清单以官方文档为准。