介绍

WeKnora 是一款给文档“装上大脑”的AI工具。它能读懂PDF、Word和图片（含OCR），把零散内容整理成可搜索的知识。你只需上传资料，像聊天一样提问，它会从原文中找到相关片段，给出准确、可追溯的答案，并支持多轮追问。系统速度快、可本地或私有云部署，数据自己掌控；提供易用的网页和标准API，便于接入现有系统。还能连接微信对话开放平台，零代码把问答能力放进公众号和小程序。

环境

1. Windows 11 Pro
2. WSL 2（docker）
3. Ollama

1. 安装

# 克隆主仓库
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
docker compose pull

慢慢等，将会下载约7G左右的镜像：

REPOSITORY                       TAG          IMAGE ID       CREATED         SIZE
minio/minio                      latest       69b2ec208575   9 hours ago     175MB
paradedb/paradedb                latest       2001d56c0675   2 days ago      1.21GB
wechatopenai/weknora-app         latest       acba69f18308   3 days ago      566MB
wechatopenai/weknora-docreader   latest       6461eac47b01   3 days ago      5.17GB
wechatopenai/weknora-ui          latest       507293c42b21   4 days ago      59.7MB
jaegertracing/all-in-one         latest       6782d12e15e5   4 days ago      85.6MB
redis                            7.0-alpine   426f6fb54a1b   15 months ago   32.9MB

2. 配置

由于我们的ollama安装在Windowwws上，所以我们需要配置环境变量，让docker容器能够访问

特别是OLLAMA_HOST、OLLAMA_ORIGINS选项

接着，我们去配置WeKnora中的ollama：

# 复制示例配置文件
cp .env.example .env

# 编辑 .env，填入对应配置信息
# 所有变量说明详见 .env.example 注释
vim .env
OLLAMA_BASE_URL=http://172.28.224.1:11444

IP地址，需要在Windows中查看WSL的IP：

C:\> ipconfig
以太网适配器 vEthernet (WSL (Hyper-V firewall)):

   连接特定的 DNS 后缀 . . . . . . . :
   本地链接 IPv6 地址. . . . . . . . : fe80::abbbb:xxxx:aa:4dab%54
   IPv4 地址 . . . . . . . . . . . . : 172.28.224.1
   子网掩码  . . . . . . . . . . . . : 255.255.240.0
   默认网关. . . . . . . . . . . . . :

并在WSL中确认是否能够正确访问：

user@wsl:~/WeKnora$ curl http://172.28.224.1:11444
Ollama is running

3. 启动

# 启动全部服务（含 Ollama 与后端容器）
./scripts/start_all.sh

由于我们配置了自定义的ollama，所以运行之后不会在wsl里再重复启动ollama了

[INFO] === 启动结果 ===
[SUCCESS] ✓ Ollama服务已启动
[SUCCESS] ✓ Docker容器已启动
[SUCCESS] 所有服务启动完成，可通过以下地址访问:
  - 前端界面: http://localhost
  - API接口: http://localhost:8080
  - Jaeger链路追踪: http://localhost:16686 

首次访问，进入web界面的配置，嵌入模型我选择bge-m3:latest，LLM模型我则使用远程接口，节省本地计算资源：

配置完毕，进入界面：

测试

我们尝试上传一些文档，直接拖动，等待解析完毕，然后测试一下：

看起来，效果还不错，图文并茂！