WeKnora
项目核心内容总结：
功能
WeKnora 是基于大语言模型（LLM）的文档理解与检索框架，采用 RAG（检索增强生成）范式，支持文档解析、向量处理、智能检索和大模型推理，适用于企业知识管理、学术研究、产品支持、法律合规及医疗辅助等场景。支持将文档转化为知识图谱，提升检索相关性与广度。
使用方法
- 安装依赖：需 Docker、Docker Compose 和 Git。
- 部署步骤：
- 克隆仓库，配置环境变量。
- 启动服务（支持基础功能、全部功能、日志追踪、Neo4j、Minio 等模块）。
- 通过 Web UI 注册登录，创建知识库并配置参数。
- 访问方式：
- Web 界面（http://localhost）用于文档上传、知识管理及问答。
- 后端 API 供程序调用。
- 支持通过微信对话平台或 MCP 服务器连接部署。
主要特性
- 精准理解：自动识别文档结构，提取核心知识建立索引。
- 智能推理：结合大模型生成结构化答案，支持图文混合响应。
- 灵活扩展：兼容多种文档格式（如 PDF、Word），支持自定义模型和向量数据库（如 Neo4j、Milvus）。
- 高效检索：多策略检索（如语义匹配、知识图谱关联），提升搜索效率。
- 安全控制：提供登录认证，建议部署于内网并配置防火墙。
- 部署便捷：支持本地 Docker 部署及 MCP 服务器远程连接。
其他
- 提供 API 文档、故障排查指南及开发者文档，支持代码贡献。
- 开源 MIT 许可证，允许自由使用和修改。