pub_soft/WeKnora

Fork 0

mirror of https://github.com/Tencent/WeKnora.git synced 2026-06-04 13:30:32 +08:00

Files

wizardchen 457e739978 feat(release): update to version 0.4.0 with new features, improvements, and bug fixes

2026-04-15 11:37:24 +08:00

25 KiB

Raw Blame History

| English | 简体中文 | 日本語 | 한국어 |

개요 • 아키텍처 • 핵심 기능 • 시작하기 • API 레퍼런스 • 개발자 가이드

💡 WeKnora - LLM 기반 문서 이해 및 검색 프레임워크

📌 개요

WeKnora는 엔터프라이즈급 문서 이해와 시맨틱 검색을 위해 설계된, LLM 기반의 지능형 지식 관리 및 Q&A 프레임워크입니다.

WeKnora는 빠른 Q&A와 지능형 추론 두 가지 Q&A 모드를 제공합니다. 빠른 Q&A는 RAG(Retrieval-Augmented Generation) 파이프라인으로 관련 조각을 빠르게 검색하여 답변을 생성하며, 일상적인 지식 검색에 적합합니다. 지능형 추론은 ReACT Agent 엔진이 점진적 전략으로 지식 검색, MCP 도구, 웹 검색을 자율적으로 오케스트레이션하며, 반복 추론과 리플렉션을 통해 단계적으로 결론을 도출합니다. 다중 소스 통합과 복잡한 작업에 적합합니다. 커스텀 에이전트도 지원하여 전용 지식베이스, 도구 세트, 시스템 프롬프트를 유연하게 구성할 수 있습니다. 용도에 맞게 모드를 선택하여 응답 속도와 추론 깊이를 동시에 달성합니다.

Feishu 등 외부 플랫폼에서 지식 자동 동기화를 지원하며(추가 데이터 소스 개발 중), PDF, Word, 이미지, Excel 등 10가지 이상의 문서 포맷을 처리합니다. WeChat Work, Feishu, Slack, Telegram 등의 IM 채널을 통해 Q&A 서비스를 직접 제공할 수 있습니다. 모델 레이어에서 OpenAI, DeepSeek, Qwen(Alibaba Cloud), Zhipu, Hunyuan, Gemini, MiniMax, NVIDIA, Ollama 등 주요 프로바이더를 지원합니다. 전체 프로세스가 모듈화 설계되어 LLM, 벡터 DB, 스토리지 등 구성 요소를 유연하게 교체 가능하며, 로컬 및 프라이빗 클라우드 배포를 지원하여 데이터 완전 자체 관리가 가능합니다.

웹사이트: https://weknora.weixin.qq.com

✨ 최신 업데이트

v0.4.0 하이라이트:

WeKnora Cloud: 호스팅 LLM 모델 및 문서 파싱 서비스 통합, 자격 증명 관리 및 상태 확인
Chrome 확장 프로그램: 브라우저 확장으로 웹페이지 지식 캡처
ClawHub Skill: ClawHub Skill 마켓플레이스 통합으로 원클릭 스킬 설치
WeChat IM 통합: WeChat 채널 어댑터. QR 코드 로그인 및 롱폴링 메시지 지원
첨부파일 처리: 채팅 파이프라인에서 파일 첨부 지원, 콘텐츠 포맷팅 및 이미지/첨부 메타데이터 주입
Azure OpenAI 프로바이더: Azure OpenAI의 Chat, VLM, Embedding 모델을 완전 지원. 배포 이름 보존 및 dimensions 파라미터 설정 지원
Alibaba Cloud OSS 스토리지: S3 호환 모드를 통한 알리바바 클라우드 OSS 오브젝트 스토리지 지원. 설정 UI, 연결 테스트, 다국어 i18n 제공
Notion 커넥터: Notion 데이터 소스 통합. API 클라이언트, Markdown 렌더러, Connector 인터페이스 구현
Baidu & Ollama 웹 검색: Baidu 및 Ollama를 웹 검색 프로바이더로 추가
VectorStore 관리: 완전한 VectorStore CRUD 기능. 엔티티, 리포지토리, 서비스 레이어, 연결 테스트, API 엔드포인트
주요 버그 수정: Azure OpenAI 엔드포인트 처리, Embedding 잘림, IM 인용 태그 제거, neo4j Go 1.24 Windows 호환성, OSS 서명 문제 수정

v0.3.6 하이라이트:

ASR(자동 음성 인식): ASR 모델 통합으로 오디오 파일 업로드, 문서 내 오디오 미리보기, 음성 전사 기능 지원
데이터 소스 자동 동기화(Feishu): 완전한 데이터 소스 관리 기능, Feishu Wiki/드라이브 자동 동기화(증분/전체), 동기화 로그 및 테넌트 격리
OIDC 인증: OpenID Connect 로그인 지원, 자동 디스커버리, 커스텀 엔드포인트 설정, 사용자 정보 매핑
IM 인용 답장 컨텍스트: IM 채널에서 인용 메시지를 추출해 LLM 프롬프트에 주입하여 맥락 기반 답변 실현; 비텍스트 인용의 환각 방지 처리
IM 스레드 기반 세션: IM 채널(Slack, Mattermost, Feishu, Telegram)에서 스레드 단위 세션 모드를 지원, 스레드 내 다중 사용자 협업
문서 자동 요약: AI 생성 문서 요약, 최대 입력 크기 설정 가능, 문서 상세 페이지에 전용 요약 섹션
Tavily 웹 검색: Tavily를 새로운 웹 검색 프로바이더로 추가; 웹 검색 프로바이더 아키텍처를 확장성 향상을 위해 리팩토링
MCP 자동 재연결: 서버 연결 끊김 시 MCP 도구 호출 자동 재연결 로직
병렬 도구 호출: Agent 모드에서 errgroup을 사용한 다중 도구 호출 병렬 실행으로 복잡한 작업 처리 속도 향상
Agent @멘션 범위 제한: 사용자 @멘션을 Agent 허용 지식베이스 범위로 제한하여 무단 접근 방지
로그인 페이지 성능: backdrop-filter blur 전체 제거, 애니메이션 요소 축소, GPU 합성 힌트 추가

v0.3.5 하이라이트:

Telegram, DingTalk & Mattermost IM 통합: Telegram 봇(webhook/롱폴링, editMessageText 스트리밍), DingTalk 봇(webhook/Stream 모드, AI 카드 스트리밍), Mattermost 어댑터를 신규 추가. IM 채널이 기업WeChat, Feishu, Slack, Telegram, DingTalk, Mattermost 6개 플랫폼으로 확대
IM 슬래시 커맨드 및 QA 큐: 플러그인 방식 슬래시 커맨드 프레임워크(/help, /info, /search, /stop, /clear), 유계 QA 워커 풀, 사용자별 레이트 리밋, Redis 기반 멀티 인스턴스 분산 조정
추천 질문: Agent가 연결된 지식베이스를 기반으로 컨텍스트 맞춤 추천 질문을 자동 생성해 채팅 화면에 표시; 이미지 지식은 질문 생성 작업을 자동 큐 등록
VLM을 통한 MCP 도구 이미지 자동 설명: MCP 도구가 이미지를 반환하면 설정된 VLM 모델로 텍스트 설명을 자동 생성해 텍스트 전용 LLM에서도 이미지 내용 활용 가능
Novita AI 프로바이더: OpenAI 호환 API로 chat, embedding, VLLM 모델 타입을 지원하는 신규 LLM 프로바이더
MCP 도구명 안정성: UUID 대신 service.Name 기반 도구명(재연결 후에도 안정), 고유명 제약 및 충돌 방지 추가; 프론트엔드에서 snake_case를 사람이 읽기 쉬운 형태로 변환
채널 추적: 지식 항목과 메시지에 channel 필드 추가(web/api/im/browser_extension)로 출처 추적 가능
주요 버그 수정: 지식베이스 미설정 시 Agent 빈 응답, 한국어/이모지 문서 요약의 UTF-8 잘림, 테넌트 설정 업데이트 시 API 키 암호화 손실, vLLM 스트리밍 추론 콘텐츠 누락, Rerank 빈 패시지 오류 수정

이전 릴리스

v0.3.4 하이라이트:

IM 봇 통합: 기업WeChat, Feishu, Slack IM 채널 지원, WebSocket/Webhook 모드, 스트리밍 및 지식베이스 통합
멀티모달 이미지 지원: 이미지 업로드 및 멀티모달 이미지 처리, 세션 관리 강화
수동 지식 다운로드: 수동 지식 콘텐츠를 파일로 다운로드, 파일명 정리 및 포맷 처리
NVIDIA 모델 API: NVIDIA 채팅 모델 API 지원, 커스텀 엔드포인트 및 VLM 모델 설정
Weaviate 벡터 데이터베이스: 지식 검색을 위한 Weaviate 벡터 데이터베이스 백엔드 추가
AWS S3 스토리지: AWS S3 스토리지 어댑터 통합, 설정 UI 및 데이터베이스 마이그레이션
AES-256-GCM 암호화: API 키를 AES-256-GCM으로 정적 암호화하여 보안 강화
내장 MCP 서비스: 내장 MCP 서비스 지원으로 Agent 기능 확장
하이브리드 검색 최적화: 타겟 그룹화 및 쿼리 임베딩 재사용으로 검색 성능 향상
Final Answer 도구: 새로운 final_answer 도구 및 Agent 소요 시간 추적으로 워크플로우 개선

v0.3.3 하이라이트:

부모-자식 청킹: 계층적 부모-자식 청킹 전략으로 컨텍스트 관리 및 검색 정확도 강화
지식베이스 고정: 자주 사용하는 지식베이스를 고정하여 빠른 접근 지원
폴백 응답: 관련 결과가 없을 때 폴백 응답 처리 및 UI 표시기
Rerank 패시지 클리닝: Rerank 모델의 패시지 클리닝 기능으로 관련성 점수 정확도 향상
버킷 자동 생성: 스토리지 엔진 연결 확인 강화, 버킷 자동 생성 지원
Milvus 벡터 데이터베이스: 지식 검색을 위한 Milvus 벡터 데이터베이스 백엔드 추가

v0.3.2 하이라이트:

🔍 지식 검색: 시맨틱 검색을 지원하는 새로운 "지식 검색" 진입점, 검색 결과를 대화 창으로 바로 가져오기 지원
⚙️ 파서 및 스토리지 엔진 설정: 설정에서 소스별 문서 파서 엔진과 스토리지 엔진 구성 가능, 지식베이스에서 파일 타입별 파서 선택 지원
🖼️ 로컬 스토리지 이미지 렌더링: 로컬 스토리지 모드에서 대화 중 이미지 렌더링 지원, 스트리밍 이미지 플레이스홀더 최적화
📄 문서 미리보기: 사용자가 업로드한 원본 파일을 미리 볼 수 있는 내장 문서 미리보기 컴포넌트
🎨 UI 최적화: 지식베이스, 에이전트, 공유 공간 목록 페이지 인터랙션 개편
🗄️ Milvus 지원: 지식 검색을 위한 Milvus 벡터 데이터베이스 백엔드 추가
🌋 Volcengine TOS: Volcengine TOS 오브젝트 스토리지 지원 추가
📊 Mermaid 렌더링: 채팅에서 Mermaid 다이어그램 렌더링 지원, 전체 화면 뷰어/줌/내비게이션/내보내기 기능 포함
💬 대화 일괄 관리: 일괄 관리 및 전체 세션 삭제 기능
🔗 원격 URL 지식: 원격 파일 URL로 지식 항목 생성 지원
🧠 메모리 그래프 미리보기: 사용자 레벨 메모리 그래프 시각화 미리보기
🔄 비동기 재파싱: 기존 지식 문서를 비동기로 재처리하는 API

v0.3.0 하이라이트:

🏢 공유 공간: 멤버 초대, 멤버 간 지식베이스/에이전트 공유, 테넌트 격리 검색을 지원하는 공유 공간
🧩 Agent Skills: 스마트 추론 에이전트를 위한 사전 로드 스킬과 샌드박스 기반 보안 격리 실행 환경 제공
🤖 커스텀 에이전트: 지식베이스 선택 모드(전체/지정/비활성화)와 함께 커스텀 에이전트 생성, 설정, 선택 지원
📊 데이터 분석 에이전트: 내장 데이터 분석 에이전트, CSV/Excel 분석용 DataSchema 도구
🧠 사고 모드: LLM과 에이전트의 사고 모드 지원 및 사고 내용 지능형 필터링
🔍 웹 검색 제공자: DuckDuckGo 외에 Bing, Google 검색 제공자 추가
📋 FAQ 강화: 일괄 임포트 드라이런, 유사 질문, 검색 결과 매칭 질문 필드, 대량 임포트 오브젝트 스토리지 오프로드
🔑 API Key 인증: API Key 인증 메커니즘, Swagger 문서 보안 설정
📎 입력창 내 선택: 입력창에서 지식베이스와 파일을 직접 선택, @멘션 표시
☸️ Helm Chart: Neo4j GraphRAG 지원을 포함한 Kubernetes 배포용 완전한 Helm Chart 제공
🌍 국제화: 한국어(한국어) 지원 추가
🔒 보안 강화: SSRF 안전 HTTP 클라이언트, 향상된 SQL 검증, MCP stdio 전송 보안, 샌드박스 기반 실행
⚡ 인프라: Qdrant 벡터 데이터베이스 지원, Redis ACL, 로그 레벨 설정, Ollama 임베딩 최적화, DISABLE_REGISTRATION 제어

v0.2.0 하이라이트:

🤖 Agent 모드: 내장 도구, MCP 도구, 웹 검색을 호출할 수 있는 새로운 ReACT Agent 모드 추가. 다중 반복 및 리플렉션을 통해 종합 요약 리포트 제공
📚 다중 지식베이스 타입: FAQ/문서 지식베이스 타입 지원 및 폴더 임포트, URL 임포트, 태그 관리, 온라인 입력 기능 추가
⚙️ 대화 전략: Agent 모델, 일반 모드 모델, 검색 임계값, 프롬프트 설정 지원. 멀티턴 대화 동작을 정밀 제어
🌐 웹 검색: 확장 가능한 웹 검색 엔진 지원, DuckDuckGo 검색 엔진 내장
🔌 MCP 도구 통합: MCP를 통한 Agent 기능 확장 지원, uvx/npx 런처 내장, 다양한 전송 방식 지원
🎨 새 UI: Agent/일반 모드 전환, 도구 호출 과정 표시, 지식베이스 관리 인터페이스 전면 개선
⚡ 인프라 업그레이드: MQ 비동기 작업 관리 도입, 자동 DB 마이그레이션 및 고속 개발 모드 지원

🏗️ 아키텍처

문서 파싱, 벡터화, 검색부터 LLM 추론까지 전체 파이프라인을 모듈화하여 각 구성 요소를 유연하게 교체·확장 가능합니다. 로컬 / 프라이빗 클라우드 배포를 지원하며, 데이터 완전 자체 관리와 진입 장벽 없는 Web UI로 빠르게 시작할 수 있습니다.

📊 적용 시나리오

시나리오	적용 사례	핵심 가치
기업 지식 관리	내부 문서 검색, 규정 Q&A, 운영 매뉴얼 조회	지식 탐색 효율 향상, 교육 비용 절감
학술 연구 분석	논문 검색, 연구 리포트 분석, 학술 자료 정리	문헌 조사 가속, 연구 의사결정 지원
제품 기술 지원	제품 매뉴얼 Q&A, 기술 문서 검색, 트러블슈팅	고객 지원 품질 향상, 지원 부담 감소
법무/컴플라이언스 검토	계약 조항 검색, 규제 정책 조회, 사례 분석	컴플라이언스 효율 향상, 법적 리스크 감소
의료 지식 지원	의학 문헌 검색, 진료 가이드라인 조회, 증례 분석	임상 의사결정 지원, 진단 품질 향상

🧩 기능 개요

🤖 지능형 대화

기능	상세
지능형 추론	ReACT 점진적 멀티스텝 추론, 지식 검색·MCP 도구·웹 검색을 자율 오케스트레이션, 커스텀 에이전트 지원
빠른 Q&A	지식베이스 기반 RAG Q&A, 빠르고 정확한 답변
도구 호출	내장 도구, MCP 도구, 웹 검색
대화 전략	온라인 프롬프트 편집, 검색 임계값 조정, 멀티턴 문맥 인식
추천 질문	지식베이스 콘텐츠 기반 질문 자동 생성

📚 지식 관리

기능	상세
지식베이스 타입	FAQ / 문서, 폴더 임포트·URL 임포트·태그 관리·온라인 입력
데이터 소스 임포트	Feishu 지식베이스 자동 동기화(추가 데이터 소스 개발 중), 증분·전체 동기화 지원
문서 포맷	PDF / Word / Txt / Markdown / HTML / 이미지 / CSV / Excel / PPT / JSON
검색 전략	BM25 희소 / Dense 밀집 / GraphRAG 그래프 강화 / 부모-자식 청킹 / 다차원 인덱싱
E2E 테스트	전체 파이프라인 시각화, 리콜 적중률·BLEU / ROUGE 지표 평가

🔌 연동 및 확장

기능	상세
LLM	OpenAI / DeepSeek / Qwen (Alibaba Cloud) / Zhipu / Hunyuan / Doubao (Volcengine) / Gemini / MiniMax / NVIDIA / Novita AI / SiliconFlow / OpenRouter / Ollama
Embedding	Ollama / BGE / GTE / OpenAI 호환 API
벡터 DB	PostgreSQL (pgvector) / Elasticsearch / Milvus / Weaviate / Qdrant
오브젝트 스토리지	로컬 / MinIO / AWS S3 / Volcengine TOS / Alibaba Cloud OSS
IM 통합	WeChat Work / Feishu / Slack / Telegram / DingTalk / Mattermost
웹 검색	DuckDuckGo / Bing / Google / Tavily

🛡️ 플랫폼

기능	상세
배포	로컬 / Docker / Kubernetes (Helm), 프라이빗/오프라인 배포 지원
UI	Web UI / RESTful API / Chrome Extension
작업 관리	MQ 비동기 작업, 버전 업그레이드 시 자동 DB 마이그레이션
모델 관리	중앙 설정, 지식베이스별 모델 선택, 멀티테넌트 내장 모델 공유

🚀 시작하기

🛠 사전 준비

다음 도구가 시스템에 설치되어 있는지 확인하세요:

📦 설치

① 저장소 클론

# 메인 저장소 클론
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora

② 환경 변수 설정

# 예시 환경 파일 복사
cp .env.example .env

# .env 파일을 수정해 필요한 값을 설정
# 모든 변수는 .env.example 주석에 설명되어 있습니다

③ 메인 서비스 시작

Ollama 별도 시작(선택)

.env 에 로컬 Ollama 모델을 설정했다면 Ollama 서비스도 별도로 시작해야 합니다.

ollama serve > /dev/null 2>&1 &

기능 조합별 실행

최소 코어 서비스

docker compose up -d

전체 기능 활성화

docker compose --profile full up -d

트레이싱 로그 필요 시

docker compose --profile jaeger up -d

Neo4j 지식 그래프 필요 시

docker compose --profile neo4j up -d

Minio 파일 스토리지 필요 시

docker compose --profile minio up -d

여러 옵션 조합

docker compose --profile neo4j --profile minio up -d

④ 서비스 중지

docker compose down

🌐 서비스 접속 주소

서비스 시작 후 아래 주소로 접속할 수 있습니다:

Web UI: http://localhost
백엔드 API: http://localhost:8080
Jaeger 트레이싱: http://localhost:16686

📱 인터페이스 소개

지능형 Q&A 대화
Agent 모드 도구 호출 과정
지식베이스 관리	대화 설정

문서 지식 그래프

WeKnora는 문서를 지식 그래프로 변환해 문서 내 서로 다른 섹션 간 관계를 시각화할 수 있습니다. 지식 그래프 기능을 활성화하면 문서 내부의 시맨틱 연관 네트워크를 분석/구성하여 문서 이해를 돕고, 인덱싱과 검색에 구조화된 지원을 제공해 검색 결과의 관련성과 폭을 향상시킵니다.

자세한 설정은 지식 그래프 설정 가이드를 참고하세요.

MCP 서버

필요한 설정은 MCP 설정 가이드를 참고하세요.

🔌 WeChat 대화 오픈 플랫폼 사용

WeKnora는 WeChat 대화 오픈 플랫폼의 핵심 기술 프레임워크로 사용되며, 보다 간편한 사용 방식을 제공합니다:

노코드 배포: 지식을 업로드하기만 하면 WeChat 생태계에서 지능형 Q&A 서비스를 빠르게 배포하여 "질문 즉시 응답" 경험을 구현
효율적인 질문 관리: 고빈도 질문의 분류 관리 지원, 풍부한 데이터 도구를 통해 정확하고 신뢰할 수 있으며 유지보수하기 쉬운 답변 제공
WeChat 생태계 통합: WeChat 공식계정, 미니프로그램 등 다양한 시나리오에 WeKnora의 Q&A 역량을 자연스럽게 통합

📘 API 레퍼런스

문제 해결 FAQ: 문제 해결 FAQ

상세 API 문서: API Docs

제품 계획 및 예정 기능: Roadmap

🧭 개발자 가이드

⚡ 고속 개발 모드(권장)

코드를 자주 수정해야 한다면 매번 Docker 이미지를 다시 빌드할 필요가 없습니다. 고속 개발 모드를 사용하세요.

# 인프라 시작
make dev-start

# 백엔드 시작 (새 터미널)
make dev-app

# 프론트엔드 시작 (새 터미널)
make dev-frontend

개발 장점:

✅ 프론트엔드 변경 자동 핫리로드(재시작 불필요)
✅ 백엔드 변경 빠른 재시작(5~10초, Air 핫리로드 지원)
✅ Docker 이미지 재빌드 불필요
✅ IDE 브레이크포인트 디버깅 지원

상세 문서: 개발 환경 빠른 시작

📁 디렉터리 구조

WeKnora/
├── client/      # go client
├── cmd/         # Main entry point
├── config/      # Configuration files
├── docker/      # docker images files
├── docreader/   # Document parsing app
├── docs/        # Project documentation
├── frontend/    # Frontend app
├── internal/    # Core business logic
├── mcp-server/  # MCP server
├── migrations/  # DB migration scripts
└── scripts/     # Shell scripts

🤝 기여하기

커뮤니티 기여를 환영합니다! 제안, 버그, 기능 요청은 Issue로 등록하거나 Pull Request를 직접 생성해 주세요.

🎯 기여 방법

🐛 버그 수정: 시스템 결함 발견 및 수정
✨ 새 기능: 새로운 기능 제안 및 구현
📚 문서 개선: 프로젝트 문서 품질 향상
🧪 테스트 케이스: 단위/통합 테스트 작성
🎨 UI/UX 개선: 사용자 인터페이스와 경험 개선

📋 기여 절차

프로젝트를 Fork 해서 본인 GitHub 계정으로 가져오기
기능 브랜치 생성 git checkout -b feature/amazing-feature
변경사항 커밋 git commit -m 'Add amazing feature'
브랜치 푸시 git push origin feature/amazing-feature
Pull Request 생성 후 변경 내용을 자세히 설명

🎨 코드 규칙

Go Code Review Comments 준수
gofmt로 코드 포맷팅
필요한 단위 테스트 추가
관련 문서 업데이트

📝 커밋 가이드

Conventional Commits 규칙 사용:

feat: 문서 일괄 업로드 기능 추가
fix: 벡터 검색 정확도 문제 수정
docs: API 문서 업데이트
test: 검색 엔진 테스트 케이스 추가
refactor: 문서 파싱 모듈 리팩터링

🔒 보안 공지

중요: v0.1.3부터 WeKnora는 시스템 보안 강화를 위해 로그인 인증 기능을 포함합니다. 운영 환경 배포 시 아래 사항을 강력히 권장합니다.

WeKnora 서비스를 공용 인터넷이 아닌 내부/사설 네트워크 환경에 배포
잠재적 정보 유출 방지를 위해 서비스를 공용 네트워크에 직접 노출하지 않기
배포 환경에 적절한 방화벽 규칙 및 접근 제어 구성
보안 패치와 개선 사항 적용을 위해 최신 버전으로 정기 업데이트

👥 기여자

멋진 기여자 여러분께 감사드립니다:

25 KiB

Raw Blame History

개요 • 아키텍처 • 핵심 기능 • 시작하기 • API 레퍼런스 • 개발자 가이드

💡 WeKnora - LLM 기반 문서 이해 및 검색 프레임워크

📌 개요

✨ 최신 업데이트

🏗️ 아키텍처

📊 적용 시나리오

🧩 기능 개요

🚀 시작하기

🛠 사전 준비

📦 설치

① 저장소 클론

② 환경 변수 설정

③ 메인 서비스 시작

Ollama 별도 시작(선택)

기능 조합별 실행

④ 서비스 중지

🌐 서비스 접속 주소

📱 인터페이스 소개

문서 지식 그래프

MCP 서버

🔌 WeChat 대화 오픈 플랫폼 사용

📘 API 레퍼런스

🧭 개발자 가이드

⚡ 고속 개발 모드(권장)

📁 디렉터리 구조

🤝 기여하기

🎯 기여 방법

📋 기여 절차

🎨 코드 규칙

📝 커밋 가이드

🔒 보안 공지

👥 기여자

📄 라이선스

📈 프로젝트 통계

25 KiB Raw Blame History

개요 • 아키텍처 • 핵심 기능 • 시작하기 • API 레퍼런스 • 개발자 가이드

💡 WeKnora - LLM 기반 문서 이해 및 검색 프레임워크

📌 개요

✨ 최신 업데이트

🏗️ 아키텍처

📊 적용 시나리오

🧩 기능 개요

🚀 시작하기

🛠 사전 준비

📦 설치

① 저장소 클론

② 환경 변수 설정

③ 메인 서비스 시작

Ollama 별도 시작(선택)

기능 조합별 실행

④ 서비스 중지

🌐 서비스 접속 주소

📱 인터페이스 소개

문서 지식 그래프

MCP 서버

🔌 WeChat 대화 오픈 플랫폼 사용

📘 API 레퍼런스

🧭 개발자 가이드

⚡ 고속 개발 모드(권장)

📁 디렉터리 구조

🤝 기여하기

🎯 기여 방법

📋 기여 절차

🎨 코드 규칙

📝 커밋 가이드

🔒 보안 공지

👥 기여자

📄 라이선스

📈 프로젝트 통계

25 KiB

Raw Blame History