企业官网建设流程全解析

WeKnora：10 分钟从零部署一个私有 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

WeKnora 是一个开源 LLM 知识平台，能把原始文档变成可检索的 RAG 知识库，还能长出推理 Agent 和自动维护的 Wiki。这篇文章只讲一件事：用 Docker Compose 在一台裸机上，把它从空白环境带到"跑起来、能用"的最短路径。全程只需 3 条核心命令加一次账号注册，顺利的话 10 分钟内能问出第一个带引用来源的回答。

预检｜5 分钟环境自检：机器够不够跑

结论先行：只要你的 LLM 走 API（云端或远程 Ollama），4 核 8GB 起步就够；重活是文档解析和向量检索，不在模型上。

一条命令把四件事查完：

# 一次看清 CPU、内存、磁盘余量和 Docker 版本 nproc; free -h; df -h .; docker compose version

💡 前面三项数字不够用就换机器或加内存；docker compose version报错则通常是 Docker 没装，或当前用户不在 docker 组里，对应排查见启动一节的折叠块。

启动｜最小命令集：三步跑起核心服务

第一步：准备

只有一条命令，克隆仓库并复制环境变量模板：

# 克隆代码仓库并复制环境变量模板 git clone https://gitcode.com/GitHub_Trending/we/WeKnora && cd WeKnora && cp .env.example .env

打开.env（模板内每个变量都带中文注释，见 .env.example），只需要动这几项，其余保持默认：

第二步：执行

# 拉取镜像并后台启动核心服务 docker compose pull && docker compose up -d

第三步：验证

# 查看容器状态，app 显示 healthy 才算真正就绪 docker compose ps

看到WeKnora-app为 healthy 后，浏览器打开http://localhost就是前端，API 在http://localhost:8080。本机用 Ollama 的话先ollama serve并 pull 一个模型；没配也不影响启动，只是首次要进系统设置手动填模型。仓库里的 scripts/start_all.sh 也能一键拉起并顺带装 Ollama，手动docker compose更可控。

搞懂｜组件都在干什么：5 个容器各自的角色

默认up -d只拉起核心五件套，其余组件按需叠加：

想加能力就加--profile，多个可组合，例如同时上知识图谱和对象存储：

# 叠加 neo4j 与 minio 两个 profile 拉取并启动 docker compose --profile neo4j --profile minio pull && docker compose --profile neo4j --profile minio up -d

常用 profile：full（全部功能）、neo4j（知识图谱）、minio（对象存储）、langfuse（链路追踪）、searxng（自建网页搜索）；完整清单见 README_CN.md 的可选服务一节。

上手｜跑通第一个真实任务：上传文档并问出带引用的回答

容器起来只是开始，让系统给出可见反馈才算数。四步走完，你会得到一条能点进原文的问答记录：

1. 打开http://localhost，注册第一个账号（它同时是系统管理员）。
2. 进「系统设置」配置一个模型：填 API Key 的云端模型，或指向本机 Ollama。没模型，后面所有环节都是空转。
3. 新建知识库并上传第一份文档，确认解析完成后能看到分块：

4. 点「新对话」，选到刚才的知识库，提一个只有文档里才有答案的问题。回答末尾会标注引用来源，点开能定位到具体分块——能命中，说明解析、向量化、检索整条链路都通了。

提速｜3 个立竿见影的优化建议

跑通之后最常见的抱怨是"解析慢、答得不准"，按收益排序只改这三处：

1. 模型别将就。回答质量九成取决于 LLM，在系统设置里配一个能力强的模型（API 或 Ollama 均可），这一步免费且收益最大。
2. 调解析并发。文档解析是异步队列驱动的，.env里WEKNORA_ASYNQ_CORE_CONCURRENCY（默认 8）控制解析主链路并发；机器余量大就提到 16，批量导入明显变快。
3. 日志降级。LOG_LEVEL默认debug会很吵，稳定后改info，再用LOG_PATH落盘方便事后翻查；同文件的WEKNORA_MODEL_MAX_CONCURRENCY（默认 32）限制每模型后台并发，一般不用动。

改的是环境变量，必须重建容器才生效：

# 重新加载 .env 并只重建 app 容器 docker compose up -d app

固化｜生产化安全与运维清单 ⚠️

默认.env里多处是示例密码，暴露到公网前把下面 5 项全部打勾：

• 改掉DB_PASSWORD和REDIS_PASSWORD（.env里的占位值）
• SYSTEM_AES_KEY换成 32 字节随机值（openssl rand -hex 16）并离线备份——丢了就解不开库里所有加密字段
• 设DISABLE_REGISTRATION=true，新用户走管理员邀请
• 前端挂 HTTPS（反代 nginx/caddy 终止证书即可）
• 备份方案实际演练过一次，数据都在 Docker 卷里

数据库备份一条命令：

# 导出数据库到本地文件，用户名和库名按 .env 实际值替换 docker compose exec postgres pg_dump -U postgres -d WeKnora > weknora_$(date +%F).sql

升级记住"先 pull 再 up"，否则会复用本地旧镜像：

# 拉取与 .env 版本匹配的新镜像并重建容器 docker compose pull && docker compose up -d

日常巡检盯两样就够：docker stats看资源占用，docker compose logs -f app看报错。更多疑难场景见 docs/QA.md。

从预检、三步启动、组件拆解、跑通第一问答，到安全固化，这条路走完，WeKnora 就从"能跑"变成"敢跑"了。下一步，把团队里最常被问到的那批文档灌进知识库——第一批用户就是你自己。

【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