WeKnora converte os documentos da sua equipe em uma base de conhecimento com IA que você pode consultar e conectar a seus agentes.
Para um time de engenharia, o ponto de partida pode ser uma coleção de decisões de arquitetura, guias de implantação, documentos de onboarding e relatórios de incidentes. As perguntas são conhecidas: por que escolhemos essa abordagem? O que devemos verificar antes de publicar uma versão? Onde está o procedimento que alguém escreveu há seis meses?
WeKnora oferece uma interface compartilhada para pesquisar informações nesse material e obter respostas. O projeto open source da Tencent também inclui um modo agente e um sistema que gera páginas wiki vinculadas a partir de documentos. Repositório oficial
O que é WeKnora e para que serve?
WeKnora é uma plataforma que você pode hospedar em sua própria infraestrutura para gerenciar documentos, consultar informações por meio de geração aumentada por recuperação — RAG — e trabalhar com agentes de IA.
Suas três capacidades principais resolvem necessidades diferentes:
- Perguntas e respostas rápidas: recupera informações de uma base de conhecimento e as utiliza para responder.
- Modo agente: aborda perguntas por meio de múltiplas buscas e ferramentas disponíveis.
- Modo wiki: transforma documentos em páginas Markdown vinculadas que você pode revisar e editar.
O projeto suporta formatos como PDF, Word, Markdown e planilhas, além de integrações com fontes como Notion e GitLab. Em 18 de setembro de 2026, o GitHub identifica v0.8.0 como a versão publicada mais recente. Funcionalidades documentadas · Versões publicadas
Uma primeira aplicação útil seria reunir a documentação operacional de um único time. Mantenha um escopo que permita verificar se as respostas estão corretas.
Como funciona uma base de conhecimento com IA?
WeKnora recupera fragmentos relevantes, os incorpora ao contexto de um modelo de linguagem e gera uma resposta com referências às fontes.
Seu fluxo documentado inclui processamento da consulta, recuperação em paralelo, reordenação de resultados, combinação de fragmentos e geração da resposta. A qualidade depende de qual informação chega ao modelo: uma resposta bem redigida não compensa ter recuperado o procedimento errado. Documentação do fluxo RAG
Pense em uma pergunta como esta:
Que verificações devemos completar antes de reverter a implantação do serviço de pagamentos?
Um resultado útil deveria apontar o procedimento correspondente e preservar suas condições e exceções. Durante a avaliação, revise o fragmento citado com o mesmo cuidado que a resposta gerada.
Se você já explorou MarkItDown para converter documentos em texto que uma IA pode processar, WeKnora aborda o próximo passo: organizar esse material, recuperar informações e consultá-lo de forma recorrente. Você não precisa adicionar uma conversão independente para cada formato que WeKnora já suporta.
Como instalar WeKnora com Docker?
O guia oficial usa Git, Docker e Docker Compose.
Primeiro, baixe o projeto e crie seu arquivo de variáveis de ambiente:
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
Antes de iniciar os serviços, revise .env e substitua as credenciais de exemplo e os valores obrigatórios. O arquivo documenta as opções de banco de dados, autenticação, armazenamento, conexões com modelos e integrações opcionais. Não o incorpore ao controle de versão. Configuração do ambiente
Depois, baixe as imagens e inicie os contêineres:
docker compose pull
docker compose up -d
```O endereço padrão da interface web é `http://localhost`. Estes comandos seguem o guia do projeto e usam a configuração atual do repositório; não fixam a implantação na versão revisada para esta nota. [Instruções de instalação](https://github.com/Tencent/WeKnora#-getting-started)
Os passos foram verificados contra a documentação oficial, sem executar uma instalação para este artigo.
Ter os contêineres funcionando é o primeiro passo. Você ainda precisa de modelos disponíveis e uma base de conhecimento inicializada para consultar seus documentos.
## Como consultar seus documentos com WeKnora?
Crie uma base de conhecimento de documentos, selecione um modelo de conversação e outro de embeddings, carregue alguns arquivos e aguarde até que o processamento termine.
O assistente de início permite testar a conexão com os modelos antes de salvar. O modelo de conversação gera as respostas; o de embeddings permite representar o conteúdo para recuperá-lo. A documentação avisa que alterar este último depois de indexar exige reconstruir o índice. Você pode adicionar depois funcionalidades opcionais, como a reordenação de resultados ou a compreensão de imagens. [Guia de início](https://github.com/Tencent/WeKnora/blob/1edcd54b43606d9079bb36650efe3f68707a79ea/website-docs/01-getting-started/03-quickstart.md)
Para uma primeira avaliação, prepare três perguntas:
1. Uma pergunta factual cuja resposta apareça explicitamente em um documento.
2. Uma pergunta que exija combinar informações de dois documentos.
3. Uma pergunta cuja resposta não exista na coleção.
A terceira é especialmente útil. Convém observar como o sistema responde quando não encontra evidência antes de o time começar a depender dele.
Este é um método de avaliação proposto, não uma afirmação de que WeKnora passou nessas provas com seus documentos.
## É possível usar WeKnora com Ollama?
Sim. WeKnora documenta compatibilidade com Ollama e com provedores de modelos remotos.
Seu sistema distingue entre modelos de conversação, embeddings, reordenação, compreensão de imagens e reconhecimento de voz. Assim você pode escolher os serviços que sua coleção precisa, sem assumir que um único modelo resolve todas as tarefas. [Documentação de modelos](https://github.com/Tencent/WeKnora/blob/1edcd54b43606d9079bb36650efe3f68707a79ea/website-docs/03-features/06-models.md)
A distinção importante é onde cada serviço é executado. Hospedar WeKnora em sua infraestrutura não garante, por si só, que todos os fragmentos permaneçam lá: os serviços remotos de inferência ou embeddings podem receber conteúdo.
Se você precisa de processamento local, revise o percurso completo, desde a análise dos arquivos até os embeddings e a geração de respostas, antes de descrever a implantação como local.
## Como conectar seus agentes a WeKnora por meio de MCP?
WeKnora oferece um servidor MCP que expõe sua API de gerenciamento de conhecimento para clientes compatíveis.
As ferramentas documentadas permitem localizar bases de conhecimento, realizar buscas híbridas, incorporar documentos e conversar sobre seu conteúdo. Isso abre uma integração prática: um agente pode recuperar documentação do time enquanto trabalha em uma tarefa. [Documentação do servidor MCP](https://github.com/Tencent/WeKnora/blob/1edcd54b43606d9079bb36650efe3f68707a79ea/mcp-server/README.md)
Por exemplo, um agente de desenvolvimento poderia consultar um guia de implantação antes de propor mudanças no processo de publicação. Se isso melhora o resultado dependerá da qualidade das fontes e de como utiliza a informação recuperada.
A integração precisa de uma instância de WeKnora funcionando e credenciais de API. Siga o [guia de configuração MCP do projeto](https://github.com/Tencent/WeKnora/blob/1edcd54b43606d9079bb36650efe3f68707a79ea/mcp-server/MCP_CONFIG.md), junto com as instruções vigentes do cliente que você escolher.
Revise quais ferramentas você habilita: o servidor inclui operações de gerenciamento além de busca. Ajuste o acesso à tarefa que o agente deve realizar.
## Que valor agregado tem uma wiki gerada com IA?
O modo wiki produz páginas persistentes e enlace a partir do material da base de conhecimento, para que você possa navegar por ele além de fazer perguntas.
O projeto documenta edição manual, histórico de versões e restauração de versões anteriores. São controles úteis porque a documentação gerada ainda precisa de uma pessoa responsável por revisar termos, resolver contradições e corrigir explicações confusas. [Documentação do modo wiki](https://github.com/Tencent/WeKnora/blob/1edcd54b43606d9079bb36650efe3f68707a79ea/website-docs/03-features/14-wiki.md)
Para uma coleção de integração ao time, um teste razoável seria verificar se as páginas explicam com clareza as relações entre serviços e se alguém que acaba de se integrar consegue rastrear essas explicações até suas fontes.
## WeKnora é grátis e quando convém testá-lo?
O código próprio de WeKnora tem licença MIT, com condições independentes para os componentes de terceiros inclusos. Sua operação segue tendo custos de infraestrutura, inferência, armazenamento e manutenção. [Licença](https://github.com/Tencent/WeKnora/blob/b82fd6c0f9939e8497fa7474999dd1bde5d0d88d/LICENSE)
Faz sentido avaliá-lo quando um time precisa consultar de forma recorrente uma coleção de documentos e quer colocá-la também ao alcance de seus agentes.
Comece com uma base de conhecimento e perguntas cujas respostas você possa verificar. Meça se as pessoas encontram antes o procedimento correto, se as citações respaldam as respostas e se manter o sistema exige menos esforço que o trabalho que permite economizar.
Essa é a prova que converte uma lista extensa de funcionalidades em uma ferramenta útil para desenvolver software.
https://github.com/Tencent/WeKnora