weknora是腾讯开源的端到端文档理解与语义检索框架，支持本地私有化部署、多格式解析、混合检索及大模型推理，确保数据不出内网并可自由对接自有大模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想把腾讯ima知识库部署在自己电脑或内网服务器上，确保文档不上传云端、敏感数据不出内网、还能自由对接自有大模型——这正是WeKnora开源框架的设计目标。
确认部署前提条件
第一步：确认你的机器满足最低要求。WeKnora支持Windows 10/11（需WSL2）、macOS 12+、主流Linux发行版（Ubuntu 22.04/CentOS 8+）。【必须安装Docker 24.0+和Docker Compose V2】，旧版本会导致服务启动失败且报错模糊，建议先运行 docker --version 和 docker compose version 验证。
第二步：访问GitHub仓库获取源码。打开浏览器，访问 https://github.com/Tencent/WeKnora，点击绿色“Code”按钮 → Download ZIP，解压到本地一个无中文、无空格的路径，例如 C:\weknora 或 ~/weknora。
第三步：检查是否已配置国内镜像源。若未配置，Docker拉取腾讯官方镜像（如 tencent/weknora-backend:latest）会极慢甚至超时。推荐在Docker Desktop设置中添加阿里云镜像加速器地址：https://<your-code>.mirror.aliyuncs.com</your-code>。
一键启动核心服务
进入解压后的 weknora 文件夹，在终端（Windows用PowerShell，Mac/Linux用Terminal）执行：
docker compose up -d
这条命令会自动拉取backend、frontend、vector-db（默认Chroma）、OCR服务四个容器镜像，并后台启动。首次运行需5–8分钟，期间可执行 docker compose logs -f 实时查看初始化日志。当看到 frontend_1 | Compiled successfully 和 backend_1 | Uvicorn running on http://0.0.0.0:8000 即表示服务就绪。
注意：默认不启用大模型推理服务。若需接入本地DeepSeek-R1或Qwen2.5，必须手动修改 docker-compose.yml 中的 backend 服务环境变量，将 LLM_PROVIDER=none 改为 LLM_PROVIDER=ollama 或 LLM_PROVIDER=openai，并配置对应地址与API密钥。
访问与初始配置
在浏览器中打开 http://localhost:3000，首次加载可能需等待10秒——这是前端静态资源首次构建过程，无需刷新。
进入后跳过登录页（本地部署默认关闭鉴权），直接点击右上角“新建知识库”。此时你会看到界面左下角标注“Backend: http://localhost:8000”，说明前后端通信正常。
上传测试文件：拖入一个不超过5MB的PDF（避免加密或扫描图），点击“解析”。若10秒内出现结构化文本预览，且右侧显示“Chunk count: 12”“Embedding status: completed”，代表文档解析→向量化全流程通路已跑通。
【关键验证点】：打开新标签页访问 http://localhost:8000/docs，这是FastAPI自动生成的交互式API文档。点击 POST /v1/knowledge_base/upload 下方“Try it out”，填入任意文件参数后执行——若返回HTTP 200及JSON响应，证明后端API层完全可用。
