腾讯ima知识库本地部署需准备：16gb内存+4核cpu+50gb磁盘的linux/macos/wsl2环境，python 3.10～3.12；克隆weknora源码，运行make install安装依赖；配置chromadb向量库及ollama或api方式接入大模型；编辑config.yaml指定绝对存储路径；启动前确保redis运行，最后访问localhost:8000验证。
☞☞☞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☜☜☜
腾讯IMA知识库本地部署需要准备什么？你手头有服务器或高性能PC，想把知识库完全掌控在自己手里，避免数据上传云端，同时获得更高权限、更灵活的模型对接能力——这正是WeKnora开源框架要解决的问题。
确认系统与硬件基础
WeKnora是IMA的技术内核开源版本，不依赖腾讯官方客户端，需自行部署。它支持Linux（推荐Ubuntu 22.04 LTS或CentOS 8+）、macOS（仅开发测试，生产环境不推荐）和Windows WSL2环境，【不支持原生Windows命令行直接部署】。
最低硬件要求：16GB内存 + 4核CPU + 50GB可用磁盘空间。若计划导入大量PDF/扫描件或启用多模态解析，建议32GB内存起步——内存不足会导致向量化进程频繁OOM中断，任务卡死无报错提示。
确保Python版本为3.10～3.12，过高（如3.13）或过低（如3.9）均会引发依赖冲突，安装脚本将直接退出。
获取WeKnora源码与依赖管理
打开终端，执行：git clone https://github.com/Tencent/WeKnora.git。仓库体积约1.2GB，含预编译的文档解析器二进制文件，不可跳过。
进入项目根目录后，运行make install。该命令会自动拉取并编译Rust模块（用于PDF文本提取）、下载ONNX运行时、安装PyTorch CPU版（GPU版需手动替换requirements.txt中的torch包）。
注意：国内网络直连GitHub可能超时。若卡在git submodule update --init --recursive，请先配置Git代理或改用清华镜像源地址替换.gitmodules中子模块URL。
配置向量数据库与模型服务
WeKnora默认使用ChromaDB作为本地向量数据库，无需额外安装服务端——它以内存+文件方式运行。但首次启动前必须执行：chroma run --path ./chroma_data，否则后续索引写入会失败并静默退出。
大模型接入分两种路径：
方法一：使用本地LLM（推荐Ollama）
安装Ollama后，执行ollama pull deepseek-r1:1.5b（轻量级适配版），再在weknora/config.yaml中将llm_provider设为ollama，model_name填deepseek-r1:1.5b。
方法二：对接API密钥
填入DeepSeek、GLM或混元的API Key及Endpoint，需确保config.yaml中api_timeout不低于90秒——大文件解析后生成embedding常耗时40～70秒，超时将导致知识入库中断且不重试。
这一步不能跳过：必须手动编辑weknora/config.yaml，将storage_path指向你规划的绝对路径（如/data/ima_knowledge），【相对路径会导致所有上传文件被写入当前工作目录，后续升级极易丢失】。
启动服务并验证运行状态
第一步：在WeKnora根目录执行make start，后台启动Web服务（默认端口8000）与异步任务队列（Celery + Redis）。
第二步：检查Redis是否已就绪——WeKnora不自带Redis，需提前安装并运行redis-server；若未启动，服务虽显示“running”，但文件解析任务永远滞留在队列中，界面无任何错误提示。
第三步：浏览器访问http://localhost:8000，登录默认账号admin/admin，上传一个测试PDF。观察右下角状态栏：出现“✅ embedded 12 pages”即表示全流程通路正常。
若页面空白或报502，立即执行make logs查看celery-worker日志，90%问题出在PyTorch与ONNX版本不兼容，需按log中提示回退torch至2.3.1。
