WeKnora 详解系列 · 第二章
各位数码圈的老铁们,叨叨数码又来了。
上一篇咱们把 WeKnora 是什么、怎么 5 分钟跑起来,扒了个底朝天。今天这篇才是真正的"重头戏":
怎么把公司那一堆乱七八糟的文档接进来?三种对话模式到底该用哪个?
这俩问题搞不明白,WeKnora 装上也是个花瓶。我尽量用"装机器"的姿势给你讲明白,看完你就能根据自己的场景对号入座。
一、先说文档:WeKnora 都能"啃"哪些格式?
先解决最基础的问题:你手里的文档,WeKnora 吃不吃得动?
答案是:基本上市面常见格式,它都吃。
| 格式类型 | 具体支持 |
|---|---|
| 📄 办公文档 | PDF、Word(.doc/.docx)、PPT(.ppt/.pptx)、Excel(.xls/.xlsx) |
| 📝 文本格式 | TXT、Markdown、HTML、JSON |
| 🖼️ 多模态 | 图片(OCR 识别内容)、音频(ASR 转写) |
| 📊 数据格式 | CSV、Excel |
总数 10+ 种,基本涵盖了企业内部 95% 的文档类型。
叨叨数码先泼盆冷水:支持归支持,效果天差地别。我们后面会聊到 v0.6.2 的"流程配置"黑科技,能让你针对不同文档调不同的"解析配方"。
二、知识库三种"机型":FAQ / 文档 / Wiki 怎么选?
光有文档不够,你得先搞清楚 WeKnora 把文档"装"到哪里——这就要说到三种知识库类型了。
叨叨数码用数码圈老规矩,给你类比成"三款机型":
机型 1:FAQ 知识库(轻便型,适合高频问题)
定位:标准 Q&A 对,类似"客服话术库"。
特点:
- 一问一答,答案固定
- 适合客服、售前、FAQ 文档
- 检索速度快,成本低
数码类比:相当于客服手里的"标准话术表"——客户问"保修期多久",直接对照回答,不绕弯子。
机型 2:文档知识库(主力机型,覆盖 80% 场景)
定位:把成型的文档(产品手册、规章制度、技术文档)丢进去,AI 帮你查、帮你答。
特点:
- 支持各种格式(PDF/Word/Excel/PPT...)
- 自动分块、向量化、检索
- 答案会带"引用源"——告诉你是从哪份文档第几页找到的
数码类比:相当于"随身带了一整个图书馆"——不管你问什么冷门问题,它都能从书里给你翻出来。
这是最常用的一类,企业内部知识库基本都用这个。
机型 3:Wiki 知识库(旗舰款,自动整理+知识图谱)
定位:v0.5 才 GA 的"旗舰机型"。Agent 自动把一堆零散文档整理成结构化、带交叉引用、带知识图谱的 Wiki。
特点:
- Agent 自动生成目录、概念、链接
- 自带知识图谱可视化
- 新文档进来,自动更新 Wiki(不用人工维护)
- v0.5.2 扩到了 4 万文档规模
数码类比:相当于你有一台"自动整理文件的 NAS"——文件扔进去,它自动分类、命名、建索引、画关系图。
这是 WeKnora 真正的杀手锏,别的开源 RAG 框架基本没有。
三种机型怎么选?叨叨数码给你一张"选机指南":
| 你的场景 | 推荐机型 |
|---|---|
| 客服、售前、高频重复问题 | FAQ 知识库 |
| 产品手册 / 制度文档 / 技术规范 | 文档知识库(首选) |
| 零散资料整理 / 行业研究 / 产品规划 | Wiki 知识库(进阶玩法) |
当然,三种可以混着建。叨叨数码自己的用法是:FAQ 放常见问题、文档知识库放产品手册、Wiki 放"项目复盘资料库"。各司其职,不打架。
三、流程配置:v0.6.2 的"解析配方"黑科技
这一节是叨叨数码觉得最值得吹的功能——Per-Upload Process Config,v0.6.2 刚上的。
说人话:每次上传文档时,你可以单独配置"怎么解析它"。
这玩意儿解决了一个长期痛点——不同文档得用不同解析方式,但之前的 RAG 框架一刀切:
- 扫描版 PDF(图片)需要 OCR,但纯文字 PDF 不需要
- 长技术文档需要细粒度分块,短 FAQ 直接整段就行
- 研究资料需要抽取知识图谱,普通产品手册不需要
WeKnora 让你针对每一次上传,按下面 6 个维度独立配置:
| 配置项 | 干啥用 | 什么时候开 |
|---|---|---|
| Parser(解析器) | 选哪个解析器(PaddleOCR-VL / OpenDataLoader...) | 扫描件用 PaddleOCR,文字版用 OpenDataLoader |
| Chunking(分块) | 怎么切分文档(自适应三层 / 父子分块...) | 长文档用父子分块,短 FAQ 整段保留 |
| VLM(视觉语言) | 让多模态模型"看"图、描述内容 | 图片多的文档(产品图、流程图)打开 |
| ASR(语音识别) | 把音… |