概述在AI和LLM加持下知识库文档管理系统也出现能力大幅提升本文搜集汇总几个开源或闭源项目未深入研究有个印象。Paperless-ngx开源GitHub32.1K Star2K Fork文档管理系统官方文档能把所有实体文档扫描、归档并变成可全文搜索的电子资料库。功能OCR让图片可搜索照片、扫描件都能自动提取其中的文字智能标签实现自动归档具备ML能力。只需为几份文件手动打上标签如“水电费”就会开始学习并尝试为后续上传的相似文件自动分类越用越聪明广泛格式兼容全面支持PDF、图片JPG/PNG及Office文档Word/Excel等主流格式确保所有文档都能被妥善归档。部署WeKnora官网中文名维娜拉腾讯开源GitHub5.8K Star623 Fork基于LLM构建模块化设计完整的文档理解与检索流水线。具有多模态认知引擎能精准解析多种格式PDF、Word、图片文档中的图文混排内容。能够为结构复杂、内容异构的文档提供更加专业的检索。模块化RAG流水线设计可灵活组合检索策略、LLM与向量数据库已在微信对话开放平台实现日均亿级调用。支持私有化部署能无缝集成微信生态公众号智能问答教育机构通过公众号接入WeKnora上传文件可解答相关问题小程序产品支持零售企业在小程序中部署产品手册问答用户拍摄说明书照片就能获取保修政策解读降低客服压力。核心优势强大的多模态认知引擎精准解析PDF、Word、图片中的图文混排内容提取文本、表格及图像语义融合OCR与跨模态建模技术构建统一的结构化知识中枢模块化RAG流水线设计支持自由组装检索策略、大语言模型与向量数据库。无缝集成Ollama等平台灵活切换Qwen、DeepSeek等主流模型满足企业知识库高效定制需求精准推理与可信决策保障基于私有化部署结合多轮上下文深度理解与全链路可视化评估为高敏感场景提供可靠知识支撑打造安全可控的智能问答系统灵活适配多种生产环境支持本地化部署与Docker镜像轻松兼容私有云及离线环境。内置监控日志体系实现全链路可观测性助力运维高效管理开箱即用的交互体验提供一键启动脚本和直观的 WebUl界面非技术用户也可快速完成文档索引智能问答等服务的部署与应用。功能特性精准理解支持PDF、Word、TXT、Markdown、图片含OCR/Caption等多种文档的结构化内容提取能统一构建语义视图即便面对图文混排与图像文字也能准确提取内容。智能推理借助LLM理解文档上下文与用户意图支持精准问答与多轮对话能进行复杂语义建模、指令控制与链式问答且可配置提示词与上下文窗口。灵活扩展从解析、嵌入、召回到生成的全流程都进行了解耦便于灵活集成与定制扩展支持自定义embedding模型兼容本地部署与云端向量生成接口也能灵活切换主流向量索引后端。高效检索混合关键词、向量、知识图谱等多种检索策略支持稠密 / 稀疏召回、知识图谱增强检索等多种方式可自由组合召回-重排-生成流程。简单易用提供直观Web界面与标准RESTful API适配开发者与业务用户的使用习惯零技术门槛即可快速上手。安全可控支持本地化与私有云部署能满足私有化、离线部署与灵活运维的需求确保数据完全自主可控。架构支持配置项嵌入模型本地模型、BGE、GTE等多种选择文档处理灵活的分块策略chunk大小可调检索机制BM25、向量检索、GraphRAG可组合使用LLM接入支持Qwen、DeepSeek等还有思考链模式技术细节中文场景优化包括分词优化和中文embedding模型支持推荐使用BGE中文模型EMBEDDING_MODELbge-large-zh-v1.5 EMBEDDING_DIM1024 CHUNK_SIZE512 CHUNK_OVERLAP50混合检索策略先用BM25初筛再用向量检索做语义匹配最后通过重排序给出最终结果兼顾关键词匹配和语义理解。# 从代码注释可以看出检索流程 # 1. BM25 keyword matching # 2. Dense vector retrieval # 3. Graph-based retrieval (optional) # 4. Reranking and fusion知识图谱系统会分析文档内部的实体和关系自动构建知识网络。可视化界面基于D3.js。部署支持Docker Compose方式部署先看看docker-compose.yml文件文件存储类型支持local、minio、cos主数据库类型支持postgres、mysql向量存储类型支持postgres、elasticsearch_v7、elasticsearch_v8有些寒碜。gin moddebug开发模式有详细日志release生产模式gin是一个GO生态下HTTP Web框架。gitclone https://github.com/Tencent/WeKnora.gitcdWeKnoracp.env.example .env ./scripts/start_all.sh# 或dockercompose up-d如果遇到如下报错检查本地config目录删除文件夹新建config.yaml文件内容从GitHub复制。Docker Desktop查看容器组打开http://localhost界面打开http://localhost:8080报错向量数据库前面提到向量数据库支持有些弱官方支持自定义流程实现基础检索引擎接口实现internal/types/interfaces/retriever.go里的RetrieveEngine接口定义检索引擎的核心能力实现存储层接口实现RetrieveEngineRepository接口扩展基础检索引擎能力添加索引管理功能实现服务层接口创建实现RetrieveEngineService接口的服务负责处理索引创建和管理的业务逻辑添加环境变量配置在环境配置中添加新数据库的必要连接参数注册检索引擎在internal/container/container.go文件的initRetrieveEngineRegistry函数中添加新数据库的初始化与注册逻辑定义检索引擎类型常量在internal/types/retriever.go文件中添加新的检索引擎类型常量API入口在系统信息或直接打开GitHub源码图谱提取微信对话开放平台https://chatbot.weixin.qq.com运营面板新增技能设置技能热词系统词典自定义词典PandaWikiLLM驱动的开源GitHub5.7K Star500 Fork知识库搭建系统可快速构建智能化的产品文档、技术文档、FAQ、博客系统提供 AI 创作、问答、搜索等能力。功能AI驱动智能化AI辅助创作、问答、搜索富文本编辑能力支持Markdown和HTML支持导出多种格式轻松与第三方应用进行集成支持做成网页挂件挂在其他网站上支持做成钉钉、飞书、企业微信等聊天机器人。通过第三方来源导入内容网页URL、网站Sitemap、RSS订阅、离线文件等。安装sudobash-c$(curl-fsSLkhttps://release.baizhi.cloud/panda-wiki/manager.sh)基于LLM的Wiki系统需接入Chat、Embedding和Reranker三类模型才能使用创作、问答和搜索功能。支持百智云等主流模型供应商新手推荐使用百智云在线模型。分前台系统搜索提问和后台系统用户管理、UI样式设置等。演示地址控制台https://47.96.9.75:2443Wiki网站http://47.96.9.75账号admin密码Gg2sD2IU98WRAOcY97LwhCTXAqTYuBn7界面功能添加用户、配置模型、知识库创建、配置、管理、文档发布、管理创建文档文档操作文档属性内容安全机器人设置权限添加管理员前置反向代理样式支持自定义代码Paperless-AI项目主页基于Paperless-ngx的开源GitHub4.6K Star213 ForkAI增强插件通过OpenAI API、Ollama等20多种模型自动分析文档内容并打标签、分类、识别内置RAG语义搜索引擎。核心功能自动化文档处理监测Paperless-ngx中的新文档AI自动分析内容后给文档起标题、打标签、分配文档类型和对应方完全不用手动整理多AI后端支持兼容Ollama(Mistral、Llama、Phi-3、Gemma-2)、OpenAI、DeepSeek、OpenRouter、Perplexity、Together.ai、Gemini等20多种AI服务用本地模型也能跑RAG语义聊天基于检索增强生成技术能理解文档完整上下文而不只是关键词匹配问哪些文档提到我的医保这种复杂问题也能准确回答智能标签规则可以定义规则限制处理哪些文档禁用某些提示词并自动打标签还能设置自定义输出标签做分类追踪手动处理模式提供Web界面手动调用AI打标签命令/manual可用于审查敏感文档。实战需要先安装Paperless-ngx作为文档管理基础Paperless-AI作为增强插件运行。基于Docker部署dockerrun-d\--namepaperless-ai\-p3000:3000\-v./data:/app/data\-ePAPERLESS_URLhttp://your-paperless-ngx:8000\-ePAPERLESS_TOKENapi-token\-eOPENAI_API_KEYOpenAI-key\clusterzx/paperless-ai有官方提供的Docker镜像也可使用Docker Compose方式部署services:paperless-ai:image:clusterzx/paperless-ai:latestports:-3000:3000environment:-PAPERLESS_URLhttp://paperless:8000-PAPERLESS_TOKEN${PAPERLESS_TOKEN}-OPENAI_API_KEY${OPENAI_KEY}-AI_BACKENDollama# 或openai/deepseek等volumes:-./data:/app/datarestart:unless-stopped基于npm源码进入开发/调试模式gitclone https://github.com/clusterzx/paperless-ai.gitcdpaperless-ainpminstallnpmrun dev浏览器打开http://localhost:3000开始体验。imaima.copilot腾讯推出的AI智能工作台产品。旨在显著提升用户在知识获取、信息处理和内容输出方面的效率适用于学习和办公场景。功能智能问答与内容生成具备AI模型的通用功能搜读写一体化高效的搜索、阅读和写作工具实现一体化工作流知识库管理以知识库为核心方便用户管理和利用信息微信生态与微信公众号生态连接允许用户访问微信文章中的大量信息网络应用场景高效学习辅助用户进行知识获取和信息整理提升学习效率办公协作作为智能办公工具提高信息处理和文档输出效率内容创作辅助进行文章、报告等内容的撰写和生成信息检索与分析尤其是在需要整合微信公众号内容信息时提供便捷的检索和分析能力使用主界面是一个聊天窗口额外提供知识库管理入口【知识库广场】现已调整为【发现广场】提供精选支持换一换和推荐。提供分类标签支持搜索可加入知识库创建知识库可在线使用功能受限比如不能创建知识库也提供PC和手机端应用下载类似于有道云笔记PC端提供浏览器插件一键将内容保存到知识库。PC端多了个笔记入口笔记是零碎的可添加到某一个主题知识库【更多】支持如下操作多了个【发现】入口
概述在AI和LLM加持下知识库文档管理系统也出现能力大幅提升本文搜集汇总几个开源或闭源项目未深入研究有个印象。Paperless-ngx开源GitHub32.1K Star2K Fork文档管理系统官方文档能把所有实体文档扫描、归档并变成可全文搜索的电子资料库。功能OCR让图片可搜索照片、扫描件都能自动提取其中的文字智能标签实现自动归档具备ML能力。只需为几份文件手动打上标签如“水电费”就会开始学习并尝试为后续上传的相似文件自动分类越用越聪明广泛格式兼容全面支持PDF、图片JPG/PNG及Office文档Word/Excel等主流格式确保所有文档都能被妥善归档。部署WeKnora官网中文名维娜拉腾讯开源GitHub5.8K Star623 Fork基于LLM构建模块化设计完整的文档理解与检索流水线。具有多模态认知引擎能精准解析多种格式PDF、Word、图片文档中的图文混排内容。能够为结构复杂、内容异构的文档提供更加专业的检索。模块化RAG流水线设计可灵活组合检索策略、LLM与向量数据库已在微信对话开放平台实现日均亿级调用。支持私有化部署能无缝集成微信生态公众号智能问答教育机构通过公众号接入WeKnora上传文件可解答相关问题小程序产品支持零售企业在小程序中部署产品手册问答用户拍摄说明书照片就能获取保修政策解读降低客服压力。核心优势强大的多模态认知引擎精准解析PDF、Word、图片中的图文混排内容提取文本、表格及图像语义融合OCR与跨模态建模技术构建统一的结构化知识中枢模块化RAG流水线设计支持自由组装检索策略、大语言模型与向量数据库。无缝集成Ollama等平台灵活切换Qwen、DeepSeek等主流模型满足企业知识库高效定制需求精准推理与可信决策保障基于私有化部署结合多轮上下文深度理解与全链路可视化评估为高敏感场景提供可靠知识支撑打造安全可控的智能问答系统灵活适配多种生产环境支持本地化部署与Docker镜像轻松兼容私有云及离线环境。内置监控日志体系实现全链路可观测性助力运维高效管理开箱即用的交互体验提供一键启动脚本和直观的 WebUl界面非技术用户也可快速完成文档索引智能问答等服务的部署与应用。功能特性精准理解支持PDF、Word、TXT、Markdown、图片含OCR/Caption等多种文档的结构化内容提取能统一构建语义视图即便面对图文混排与图像文字也能准确提取内容。智能推理借助LLM理解文档上下文与用户意图支持精准问答与多轮对话能进行复杂语义建模、指令控制与链式问答且可配置提示词与上下文窗口。灵活扩展从解析、嵌入、召回到生成的全流程都进行了解耦便于灵活集成与定制扩展支持自定义embedding模型兼容本地部署与云端向量生成接口也能灵活切换主流向量索引后端。高效检索混合关键词、向量、知识图谱等多种检索策略支持稠密 / 稀疏召回、知识图谱增强检索等多种方式可自由组合召回-重排-生成流程。简单易用提供直观Web界面与标准RESTful API适配开发者与业务用户的使用习惯零技术门槛即可快速上手。安全可控支持本地化与私有云部署能满足私有化、离线部署与灵活运维的需求确保数据完全自主可控。架构支持配置项嵌入模型本地模型、BGE、GTE等多种选择文档处理灵活的分块策略chunk大小可调检索机制BM25、向量检索、GraphRAG可组合使用LLM接入支持Qwen、DeepSeek等还有思考链模式技术细节中文场景优化包括分词优化和中文embedding模型支持推荐使用BGE中文模型EMBEDDING_MODELbge-large-zh-v1.5 EMBEDDING_DIM1024 CHUNK_SIZE512 CHUNK_OVERLAP50混合检索策略先用BM25初筛再用向量检索做语义匹配最后通过重排序给出最终结果兼顾关键词匹配和语义理解。# 从代码注释可以看出检索流程 # 1. BM25 keyword matching # 2. Dense vector retrieval # 3. Graph-based retrieval (optional) # 4. Reranking and fusion知识图谱系统会分析文档内部的实体和关系自动构建知识网络。可视化界面基于D3.js。部署支持Docker Compose方式部署先看看docker-compose.yml文件文件存储类型支持local、minio、cos主数据库类型支持postgres、mysql向量存储类型支持postgres、elasticsearch_v7、elasticsearch_v8有些寒碜。gin moddebug开发模式有详细日志release生产模式gin是一个GO生态下HTTP Web框架。gitclone https://github.com/Tencent/WeKnora.gitcdWeKnoracp.env.example .env ./scripts/start_all.sh# 或dockercompose up-d如果遇到如下报错检查本地config目录删除文件夹新建config.yaml文件内容从GitHub复制。Docker Desktop查看容器组打开http://localhost界面打开http://localhost:8080报错向量数据库前面提到向量数据库支持有些弱官方支持自定义流程实现基础检索引擎接口实现internal/types/interfaces/retriever.go里的RetrieveEngine接口定义检索引擎的核心能力实现存储层接口实现RetrieveEngineRepository接口扩展基础检索引擎能力添加索引管理功能实现服务层接口创建实现RetrieveEngineService接口的服务负责处理索引创建和管理的业务逻辑添加环境变量配置在环境配置中添加新数据库的必要连接参数注册检索引擎在internal/container/container.go文件的initRetrieveEngineRegistry函数中添加新数据库的初始化与注册逻辑定义检索引擎类型常量在internal/types/retriever.go文件中添加新的检索引擎类型常量API入口在系统信息或直接打开GitHub源码图谱提取微信对话开放平台https://chatbot.weixin.qq.com运营面板新增技能设置技能热词系统词典自定义词典PandaWikiLLM驱动的开源GitHub5.7K Star500 Fork知识库搭建系统可快速构建智能化的产品文档、技术文档、FAQ、博客系统提供 AI 创作、问答、搜索等能力。功能AI驱动智能化AI辅助创作、问答、搜索富文本编辑能力支持Markdown和HTML支持导出多种格式轻松与第三方应用进行集成支持做成网页挂件挂在其他网站上支持做成钉钉、飞书、企业微信等聊天机器人。通过第三方来源导入内容网页URL、网站Sitemap、RSS订阅、离线文件等。安装sudobash-c$(curl-fsSLkhttps://release.baizhi.cloud/panda-wiki/manager.sh)基于LLM的Wiki系统需接入Chat、Embedding和Reranker三类模型才能使用创作、问答和搜索功能。支持百智云等主流模型供应商新手推荐使用百智云在线模型。分前台系统搜索提问和后台系统用户管理、UI样式设置等。演示地址控制台https://47.96.9.75:2443Wiki网站http://47.96.9.75账号admin密码Gg2sD2IU98WRAOcY97LwhCTXAqTYuBn7界面功能添加用户、配置模型、知识库创建、配置、管理、文档发布、管理创建文档文档操作文档属性内容安全机器人设置权限添加管理员前置反向代理样式支持自定义代码Paperless-AI项目主页基于Paperless-ngx的开源GitHub4.6K Star213 ForkAI增强插件通过OpenAI API、Ollama等20多种模型自动分析文档内容并打标签、分类、识别内置RAG语义搜索引擎。核心功能自动化文档处理监测Paperless-ngx中的新文档AI自动分析内容后给文档起标题、打标签、分配文档类型和对应方完全不用手动整理多AI后端支持兼容Ollama(Mistral、Llama、Phi-3、Gemma-2)、OpenAI、DeepSeek、OpenRouter、Perplexity、Together.ai、Gemini等20多种AI服务用本地模型也能跑RAG语义聊天基于检索增强生成技术能理解文档完整上下文而不只是关键词匹配问哪些文档提到我的医保这种复杂问题也能准确回答智能标签规则可以定义规则限制处理哪些文档禁用某些提示词并自动打标签还能设置自定义输出标签做分类追踪手动处理模式提供Web界面手动调用AI打标签命令/manual可用于审查敏感文档。实战需要先安装Paperless-ngx作为文档管理基础Paperless-AI作为增强插件运行。基于Docker部署dockerrun-d\--namepaperless-ai\-p3000:3000\-v./data:/app/data\-ePAPERLESS_URLhttp://your-paperless-ngx:8000\-ePAPERLESS_TOKENapi-token\-eOPENAI_API_KEYOpenAI-key\clusterzx/paperless-ai有官方提供的Docker镜像也可使用Docker Compose方式部署services:paperless-ai:image:clusterzx/paperless-ai:latestports:-3000:3000environment:-PAPERLESS_URLhttp://paperless:8000-PAPERLESS_TOKEN${PAPERLESS_TOKEN}-OPENAI_API_KEY${OPENAI_KEY}-AI_BACKENDollama# 或openai/deepseek等volumes:-./data:/app/datarestart:unless-stopped基于npm源码进入开发/调试模式gitclone https://github.com/clusterzx/paperless-ai.gitcdpaperless-ainpminstallnpmrun dev浏览器打开http://localhost:3000开始体验。imaima.copilot腾讯推出的AI智能工作台产品。旨在显著提升用户在知识获取、信息处理和内容输出方面的效率适用于学习和办公场景。功能智能问答与内容生成具备AI模型的通用功能搜读写一体化高效的搜索、阅读和写作工具实现一体化工作流知识库管理以知识库为核心方便用户管理和利用信息微信生态与微信公众号生态连接允许用户访问微信文章中的大量信息网络应用场景高效学习辅助用户进行知识获取和信息整理提升学习效率办公协作作为智能办公工具提高信息处理和文档输出效率内容创作辅助进行文章、报告等内容的撰写和生成信息检索与分析尤其是在需要整合微信公众号内容信息时提供便捷的检索和分析能力使用主界面是一个聊天窗口额外提供知识库管理入口【知识库广场】现已调整为【发现广场】提供精选支持换一换和推荐。提供分类标签支持搜索可加入知识库创建知识库可在线使用功能受限比如不能创建知识库也提供PC和手机端应用下载类似于有道云笔记PC端提供浏览器插件一键将内容保存到知识库。PC端多了个笔记入口笔记是零碎的可添加到某一个主题知识库【更多】支持如下操作多了个【发现】入口
)
