WeKnora convierte los documentos de tu equipo en una base de conocimiento con IA que puedes consultar y conectar a tus agentes.
Para un equipo de ingeniería, el punto de partida puede ser una colección de decisiones de arquitectura, guías de despliegue, documentos de incorporación e informes de incidentes. Las preguntas son conocidas: ¿por qué elegimos este enfoque? ¿Qué debemos comprobar antes de publicar una versión? ¿Dónde está el procedimiento que alguien escribió hace seis meses?
WeKnora ofrece una interfaz compartida para buscar información en ese material y obtener respuestas. El proyecto de código abierto de Tencent también incluye un modo agente y un sistema que genera páginas wiki enlazadas a partir de documentos. Repositorio oficial
¿Qué es WeKnora y para qué sirve?
WeKnora es una plataforma que puedes alojar en tu propia infraestructura para gestionar documentos, consultar información mediante generación aumentada por recuperación —RAG— y trabajar con agentes de IA.
Sus tres capacidades principales resuelven necesidades diferentes:
- Preguntas y respuestas rápidas: recupera información de una base de conocimiento y la utiliza para responder.
- Modo agente: aborda preguntas mediante varias búsquedas y las herramientas disponibles.
- Modo wiki: transforma documentos en páginas Markdown enlazadas que puedes revisar y editar.
El proyecto admite formatos como PDF, Word, Markdown y hojas de cálculo, además de integraciones con fuentes como Notion y GitLab. Al 18 de septiembre de 2026, GitHub identifica v0.8.0 como la última versión publicada. Funciones documentadas · Versiones publicadas
Una primera aplicación útil sería reunir la documentación operativa de un solo equipo. Mantén un alcance que permita comprobar si las respuestas son correctas.
¿Cómo funciona una base de conocimiento con IA?
WeKnora recupera fragmentos relevantes, los incorpora al contexto de un modelo de lenguaje y genera una respuesta con referencias a las fuentes.
Su flujo documentado incluye procesamiento de la consulta, recuperación en paralelo, reordenamiento de resultados, combinación de fragmentos y generación de la respuesta. La calidad depende de qué información llega al modelo: una respuesta bien redactada no compensa haber recuperado el procedimiento equivocado. Documentación del flujo RAG
Piensa en una pregunta como esta:
¿Qué comprobaciones debemos completar antes de revertir el despliegue del servicio de pagos?
Un resultado útil debería señalar el procedimiento correspondiente y conservar sus condiciones y excepciones. Durante la evaluación, revisa el fragmento citado con el mismo cuidado que la respuesta generada.
Si ya exploraste MarkItDown para convertir documentos en texto que una IA pueda procesar, WeKnora aborda el siguiente paso: organizar ese material, recuperar información y consultarlo de forma recurrente. No necesitas añadir una conversión independiente para cada formato que WeKnora ya admite.
¿Cómo instalar WeKnora con Docker?
La guía oficial utiliza Git, Docker y Docker Compose.
Primero, descarga el proyecto y crea su archivo de variables de entorno:
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
Antes de iniciar los servicios, revisa .env y sustituye las credenciales de ejemplo y los valores obligatorios. El archivo documenta las opciones de base de datos, autenticación, almacenamiento, conexiones con modelos e integraciones opcionales. No lo incorpores al control de versiones. Configuración del entorno
Después, descarga las imágenes e inicia los contenedores:
docker compose pull
docker compose up -d
La dirección predeterminada de la interfaz web es http://localhost. Estos comandos siguen la guía del proyecto y utilizan la configuración actual del repositorio; no fijan el despliegue a la versión revisada para esta nota. Instrucciones de instalación
Los pasos se verificaron contra la documentación oficial, sin ejecutar una instalación para este artículo.
Tener los contenedores funcionando es el primer paso. Todavía necesitas modelos disponibles y una base de conocimiento inicializada para consultar tus documentos.
¿Cómo consultar tus documentos con WeKnora?
Crea una base de conocimiento de documentos, selecciona un modelo de conversación y otro de embeddings, carga algunos archivos y espera a que termine su procesamiento.
El asistente de inicio permite probar la conexión con los modelos antes de guardar. El modelo de conversación genera las respuestas; el de embeddings permite representar el contenido para recuperarlo. La documentación advierte que cambiar este último después de indexar requiere reconstruir el índice. Puedes añadir después funciones opcionales, como el reordenamiento de resultados o la comprensión de imágenes. Guía de inicio
Para una primera evaluación, prepara tres preguntas:
- Una pregunta factual cuya respuesta aparezca explícitamente en un documento.
- Una pregunta que exija combinar información de dos documentos.
- Una pregunta cuya respuesta no exista en la colección.
La tercera resulta especialmente útil. Conviene observar cómo responde el sistema cuando no encuentra evidencia antes de que el equipo empiece a depender de él.
Este es un método de evaluación propuesto, no una afirmación de que WeKnora haya superado esas pruebas con tus documentos.
¿Se puede usar WeKnora con Ollama?
Sí. WeKnora documenta compatibilidad con Ollama y con proveedores de modelos remotos.
Su sistema distingue entre modelos de conversación, embeddings, reordenamiento, comprensión de imágenes y reconocimiento de voz. Así puedes elegir los servicios que necesita tu colección, sin asumir que un único modelo resuelve todas las tareas. Documentación de modelos
La distinción importante es dónde se ejecuta cada servicio. Alojar WeKnora en tu infraestructura no garantiza, por sí solo, que todos los fragmentos permanezcan allí: los servicios remotos de inferencia o embeddings pueden recibir contenido.
Si necesitas procesamiento local, revisa el recorrido completo, desde el análisis de los archivos hasta los embeddings y la generación de respuestas, antes de describir el despliegue como local.
¿Cómo conectar tus agentes a WeKnora mediante MCP?
WeKnora ofrece un servidor MCP que expone su API de gestión del conocimiento a clientes compatibles.
Las herramientas documentadas permiten localizar bases de conocimiento, realizar búsquedas híbridas, incorporar documentos y conversar sobre su contenido. Esto abre una integración práctica: un agente puede recuperar documentación del equipo mientras trabaja en una tarea. Documentación del servidor MCP
Por ejemplo, un agente de desarrollo podría consultar una guía de despliegue antes de proponer cambios en el proceso de publicación. Que eso mejore el resultado dependerá de la calidad de las fuentes y de cómo utilice la información recuperada.
La integración necesita una instancia de WeKnora en funcionamiento y credenciales de API. Sigue la guía de configuración MCP del proyecto, junto con las instrucciones vigentes del cliente que elijas.
Revisa qué herramientas habilitas: el servidor incluye operaciones de gestión además de búsqueda. Ajusta el acceso a la tarea que debe realizar el agente.
¿Qué aporta una wiki generada con IA?
El modo wiki produce páginas persistentes y enlazadas a partir del material de la base de conocimiento, para que puedas navegar por él además de hacer preguntas.
El proyecto documenta edición manual, historial de versiones y restauración de versiones anteriores. Son controles útiles porque la documentación generada sigue necesitando una persona responsable de revisar términos, resolver contradicciones y corregir explicaciones confusas. Documentación del modo wiki
Para una colección de incorporación al equipo, una prueba razonable sería comprobar si las páginas explican con claridad las relaciones entre servicios y si alguien que acaba de incorporarse puede rastrear esas explicaciones hasta sus fuentes.
¿WeKnora es gratis y cuándo conviene probarlo?
El código propio de WeKnora tiene licencia MIT, con condiciones independientes para los componentes de terceros incluidos. Su operación sigue teniendo costes de infraestructura, inferencia, almacenamiento y mantenimiento. Licencia
Tiene sentido evaluarlo cuando un equipo necesita consultar de forma recurrente una colección de documentos y quiere ponerla también al alcance de sus agentes.
Empieza con una base de conocimiento y preguntas cuyas respuestas puedas verificar. Mide si las personas encuentran antes el procedimiento correcto, si las citas respaldan las respuestas y si mantener el sistema exige menos esfuerzo que el trabajo que permite ahorrar.
Esa es la prueba que convierte una lista extensa de funciones en una herramienta útil para desarrollar software.