WeKnora离线部署完整教程：内网无网络环境下4步搭建私有知识问答系统

WeKnora离线部署完整教程：内网无网络环境下4步搭建私有知识问答系统

【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora

WeKnora 是一个开源的 LLM 知识平台，把原始文档变成可提问的 RAG 知识库、能自主推理的智能体和自动维护的 Wiki。本文带你在一台没有外网的内网服务器上，只靠 Docker 把整套系统跑起来——文档解析、向量检索、大模型问答全部发生在你的硬件里，数据不出域。

你会得到什么

先说结果，让你知道这套折腾换来的是什么。部署完成后，浏览器打开http://localhost，你能做到三件事：

1. 快速问答：上传一批 PDF、Word、Excel，用大白话提问，答案带来源引用；
2. 智能体推理：面对多步复杂问题，ReAct 智能体会自己规划检索、调用工具、逐步求解；
3. 自动 Wiki：智能体把散装文档蒸馏成带互链的 Markdown 知识库，还能一键回滚历史版本。

整个系统由五个容器组成：前端界面、后端 API、文档解析器（docreader）、带向量检索能力的 PostgreSQL（ParadeDB 镜像）和 Redis 缓存。它们全部运行在一个名为WeKnora-network的 Docker 内部桥接网络里，彼此通过内网通信，不产生任何出网请求。

这套方案适合谁

先花 10 秒判断一下自己该走哪条路，能省很多事：

Lite 与标准版的完整差异可以看 Lite 文档。本文按标准版展开，因为绝大多数内网部署最终都要走到这一步。

起飞前检查：先确认三件事

新手卡住，八成不是命令打错，而是准备工作缺了一块。按顺序过一遍：

1. Docker 环境

docker compose version

能输出版本号就行。装不上 Docker 的话，这一步会卡最久，优先解决。

2. 硬件规模

一套推荐配置：8 核 CPU、32GB 内存、200GB 可用 SSD 空间。大模型推理是内存大户，如果你还要跑本地对话模型，内存不足时问答会慢得让人怀疑人生。

3. 无网络环境下的"搬运"计划（完全断网才需要）

在有网的机器上准备两样东西，拷到内网目标机：

• 容器镜像：docker save导出，目标机docker load导入（涉及 weknora-app / weknora-ui / weknora-docreader、ParadeDB 版 PostgreSQL、Redis 等镜像）；
• Ollama 模型文件：对话模型和嵌入模型（嵌入模型是把文字转成数字向量、供语义检索用的"翻译官"），在有网机上ollama pull后用ollama cp迁移，或整目录拷贝~/.ollama/models。

有外网的内网跳板机环境可以跳过这一节。

四步把系统跑起来

第一步：拿到项目代码

git clone https://gitcode.com/GitHub_Trending/we/WeKnora cd WeKnora

内网机器上可以直接把整个目录打包拷过去，效果一样。

第二步：生成配置文件

cp .env.example .env

.env是整套部署的总开关，模板文件里每一项都有中文注释。默认值大多可以直接用，离线场景重点关注三行：

STORAGE_TYPE=local # 文件落在本地卷，默认值即可，无需改 OLLAMA_BASE_URL=http://host.docker.internal:11434 # 容器访问宿主机 Ollama 的地址，默认即可 SYSTEM_AES_KEY=weknora-system-aes-key-32bytes!! # 建议换成自己生成的32字节字符串

前两项解释一下：STORAGE_TYPE=local保证所有上传文档都写进本地 Docker 卷；host.docker.internal是容器里指代"宿主机"的固定写法，Ollama 跑在你本机 11434 端口上，这个地址不用动。第三项SYSTEM_AES_KEY用来加密数据库里存的 API 密钥等敏感字段——一旦丢失，已加密的数据无法恢复，所以务必自己换掉模板里的示例值并妥善备份。

第三步：启动全部服务

docker compose up -d

镜像已在第三步"搬运"计划里导入过的机器，加--pull never避免它尝试出网拉取；或者直接用仓库自带的启动脚本：

./scripts/start_all.sh --no-pull

脚本会顺手把宿主机的 Ollama 也拉起，并持续跟踪后端、解析器、数据库的启动日志，方便你确认状态。

第四步：等健康检查通过

首次启动会执行数据库自动迁移（AUTO_MIGRATE默认开启），比平时慢一些。等一两分钟后检查：

docker compose ps

五个容器都显示Up，其中WeKnora-app是healthy才算就绪——前端容器配置了"等 app 健康再启动"的依赖关系，所以 app 不绿，页面就不开，这是正常保护逻辑，不是故障。

如何验证部署完全离线

部署成功后值得花两分钟做个"断网测试"，彻底放心：

1. 探活后端：curl http://localhost:8080/health，返回正常即后端在线；
2. 看端口面：标准部署只向宿主机开放 80（前端）和 8080（API）两个端口，其余组件（如 docreader 的 50051）只在内部网络可见；
3. 看数据流：浏览器开开发者工具的 Network 面板，问一个问题，你会看到所有请求都发往localhost；
4. 终极验证：如果条件允许，直接拔掉网线再问一轮，答案照常生成——这就是"数据不出域"的字面含义。

大模型这一环也值得确认：Ollama 跑在宿主机上，容器经host.docker.internal连入，也就是说连"大脑"都在你自己的机器里，而不是某家云厂商的 API。

接入本地模型，问出第一个问题

服务都绿了，但系统还不知道用哪个模型"思考"。接下来五分钟内完成初始化：

1. 确认 Ollama 就绪：宿主机上ollama list能看到你迁移过来的模型即可；
2. 浏览器打开http://localhost：注册账号，进入设置里的模型配置，把 Ollama 作为 Provider 接入，分别选一个对话模型（负责生成回答）和嵌入模型（负责把文档切片变成向量）；
3. 建知识库、传文档：新建知识库后拖入 PDF、Word、TXT 等文件，系统自动走"解析 → 切块 → 向量化"流水线，切片可以在界面上逐块查看和编辑；
4. 开问：处理完成后在对话框提问，答案下方会列出引用来源，点一下就能跳回原文位置。

如果还想看智能体把文档整理成 Wiki 的效果，同一个知识库可以切换到 Wiki 模式，几分钟后得到一份带知识图谱的互链文档：

常见卡点速查

更多排障细节见官方 FAQ，环境变量的完整清单（约 150 项、含注释）在官网文档里可查。

跑起来之后，可以往这三步走

• 按需开启可选组件：知识图谱加--profile neo4j，对象存储加--profile minio，全链路追踪加--profile langfuse，--profile full一次全开，组件间仍走内网；
• 接入内网 IM：WeCom、飞书、Slack 等渠道都支持私网部署，把知识库变成同事随手可问的机器人；
• 给 Ollama 配 GPU：推理速度能提升一个数量级，文档批量导入体验会质变。

对于政府、金融、医疗这类数据合规要求严格的场景，这套"断网可用"的部署形态已经能覆盖大部分知识管理需求；后续版本在向量库、解析引擎上的扩展能力，也让它有余量跟着你的数据规模一起长大。

【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora