微信开源企业Agent知识底座，已适配DeepSeek Harness！

WeKnora：从RAG到Agent知识基础设施

腾讯微信团队开源了一个企业级Agent知识底座，项目名为WeKnora，把传统RAG知识库一路扩展到了ReAct Agent、MCP、Skills、代码沙箱、长期记忆、知识图谱和自动Wiki。

这两年，给大模型“外挂一个知识库”，几乎已经成了企业落地AI最常见的方式。企业都会积累大量PDF、Word、PPT、网页、飞书和Notion文档，但真正让AI用起来时，这些知识依然是散的、乱的，而且不好找。

因此，WeKnora并没有停留在上传文档，然后和PDF聊天。底层，它通过文档解析、自适应分块、向量检索与BM25混合搜索、Rerank等技术提升知识召回质量。往上又加入ReAct Agent，让模型可以围绕一个问题多轮检索知识库、调用MCP和Skills，甚至进入沙箱执行代码、处理文件。

可以看出，WeKnora直接把传统企业知识库升级成了供Agent使用的知识基础设施。截至目前，该项目在GitHub已拿下23.4k Stars。

三大核心能力：沙箱、Wiki与长期记忆

WeKnora本身已经覆盖企业知识库常见能力，包括多格式文档解析、混合检索、Rerank、知识图谱，以及飞书、Notion、GitLab等数据源接入。更值得关注的是，它已经开始往Agent基础设施的方向延伸。

首先是Skill Sandbox Runtime。WeKnora为Agent加入了独立的技能沙箱，支持Docker、E2B和Cube三种后端。

每个聊天Session都可以拥有一个持续存在的工作空间，Agent不仅可以检索知识，还能在里面执行Shell、读写文件、处理用户上传的附件，并把生成的文件直接作为结果返回。

用户上传一份Excel后，Agent可以先从企业知识库中找到相关业务规则，再调用Skill在沙箱里运行Python完成分析，最后生成新的报告文件。

另一个比较有意思的能力是Wiki Mode。企业过去建设RAG，底层往往还是一堆PDF和被切碎的Chunk。WeKnora则可以让Agent自动阅读这些原始资料，把其中的实体、概念和关系重新整理成相互链接的Markdown Wiki，同时生成知识图谱。

Wiki页面还支持人工编辑、版本对比和一键回滚。

此外，WeKnora还补上了跨会话长期记忆。系统可以记录Profile、Preference、Fact、Task、Interest等不同类型的信息。Agent从对话中自动提取出的记忆不会直接写入，它会先等待用户确认，后续对话再根据需要自动召回。

这样一来，WeKnora中的Agent不仅知道“公司的知识”，还可以逐渐记住这个用户是谁、经常关注什么、此前做过哪些事情。

开放API：不同Agent可共享同一知识层

WeKnora并不要求所有Agent都运行在自己的界面里。它提供API、CLI和MCP Server，可以直接充当其他Agent的外部知识层。

团队已经为DeepSeek Harness提供了官方插件@wxg-prc-cpg/dsh-weknora，接入后，Coding Agent可以直接搜索WeKnora知识库、读取完整文档，或者调用WeKnora的RAG / ReAct流程完成问答。

未来一家企业内部可能同时运行Claude Code、DeepSeek Harness，以及各种自研Agent。它们的模型和Harness可以完全不同，但底层可以共享同一个WeKnora企业知识层。

快速上手：Docker Compose部署教程

最推荐的方式仍然是Docker Compose。首先需要提前安装Docker、Docker Compose和Git。

git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env  # 按需编辑 .env，详见文件内注释
docker compose pull     # 拉取最新镜像
docker compose up -d    # 启动核心服务

启动完成之后，在浏览器访问：http://localhost，就可以进入WeKnora的Web UI。

下一阶段：Agent比拼企业知识整合能力

未来，一家公司内部可能同时跑着几十甚至上百个Agent。它们用的模型不同、Harness不同，但背后依赖的企业知识却可以是同一套。

谁能把这些散落在文档、Wiki和业务系统里的知识整理好，让Agent随时查、随时用，谁就更容易真正把Agent跑起来。

所以，下一阶段企业Agent比拼的不只是模型能力，还包括怎么让Agent真正读懂一家公司的知识，并把这些知识变成行动。

从RAG，到Agent，再到Wiki和Memory，WeKnora正在一点点补齐这块拼图。

JOTO 企业落地观察

• 企业部署Agent时，知识底座不再只是“可选模块”，而是决定Agent能否稳定执行任务的核心基础设施；WeKnora的沙箱与MCP集成能力，意味着企业需同步评估技能安全边界与执行环境治理成本。
• 当多个Agent共用同一知识层时，“知识即服务”（KaaS）将成为企业AI架构新范式；团队需明确知识所有权、更新权责与版本控制机制，避免Wiki与图谱成为新的信息孤岛。
• WeKnora对长期记忆的“用户确认+按需召回”设计，提示企业在构建Agent记忆系统时，必须平衡自动化与合规性——尤其在金融、医疗等强监管场景中，记忆写入不可绕过人工审核环节。
• 其对飞书、Notion、GitLab等SaaS源的原生支持，降低了企业知识接入门槛，但也暴露了统一元数据建模的缺失；若缺乏字段语义对齐与权限映射策略，跨源知识融合仍难实现深度推理。