WeKnora（GitHub 13.7K Star）由腾讯微信事业群（WXG）微信对话开放平台核心团队研发并开源，基于MIT协议发布。它是微信对话开放平台（
chatbot.weixin.qq.com）的底层核心技术架构，不是实验性质的演示项目，而是具备完全私有化部署能力的生产级开源工具。
项目把传统静态知识库升级为“可自我演进与执行的知识系统”（Living Knowledge System），整体架构由三个联动的能力层组成：RAG基础检索层承载基础问答与文档检索，实现快速信息响应；ReAct Agent智能体执行层整合多模态检索、MCP（Model Context Protocol）工具扩展、技能目录、沙箱环境及联网搜索，具备自主任务拆解与代码执行能力；Auto-Wiki知识构建层将原始文档自动蒸馏为结构化、可自动维护与相互链接的Markdown知识网，与前两层共享统一的知识沉淀。
传统知识库大多止步于“检索—检索增强生成—输出文本”的断点状态，用户仍需手动处理排版、数据整合与文件导出。WeKnora 0.8.0版本的关键更新是引入了Skill Sandbox Runtime（技能沙箱运行时），把信息回答到复杂任务最终产出物（如Docx文件、结构化表格）的流程做成了自动化闭环。
技能目录（Skill Catalog）提供应用商店式的集中化技能管理，支持从SkillHub、ClawHub、Git仓库或ZIP包导入，并可按需绑定技能至一个或多个特定沙箱，严格限制智能体的调用权限边界。沙箱后端当前支持Docker、E2B与Cube三种，实现了会话级别的状态持久化——智能体在前一轮对话中编写的脚本、安装的环境及生成的文件，在后续对话中依然保留，支持长链路任务的迭代与叠加处理。沙箱还配备图形界面与交互终端，方便人工介入调优。
Agent执行任务时会动态生成并运行代码，直接在宿主机执行存在极高的安全隐患，WeKnora因此把代码运行、文件I/O与网络请求严格限制在轻量化隔离的沙箱内。v0.8.2版本进一步收紧了沙箱的网络出站控制，仅允许白名单域名通信。安全设计上，系统支持全栈私有化部署，敏感凭证（如API Key）采用AES-256落盘加密，权限管理集成了多租户隔离与RBAC四级角色控制（Owner / Admin / Contributor / Viewer）。
工程化能力方面，文档解析由基于Python的独立解析服务docreader承担，支持PDF、Word、Txt、Markdown、HTML、EPUB、MHTML、图片、CSV、Excel、PPT、JSON、XMind等13种格式，覆盖版式分析、OCR识别与Office格式转换。检索采用“向量召回+BM25关键词检索”的混合模式，结合RRF（Reciprocal Rank Fusion）融合算法与Rerank重排模型，可选配基于Neo4j的GraphRAG增强实体与关系的深层关联检索。模型接入内置LiteLLM及Ollama本地模型，支持OpenAI、Claude、Gemini、DeepSeek、Qwen等27家主流厂商，实现LLM、Embedding、Rerank、VLM、ASR的分类分级管理。数据源支持飞书、Confluence、钉钉文档、GitLab、Notion、语雀、腾讯IMA及RSS等的持续增量同步；渠道接入涵盖企业微信、飞书、Lark、QQBot、Slack、Telegram、钉钉、Mattermost、微信及云之家等10种终端。技术栈为Go（后端）+Vue 3（前端），支持Docker Compose、Helm、Lite单二进制部署及桌面客户端，完全支持全离线环境运行。
2026年9月更新的v0.8.2版本还延伸出了三个关键特性。BrowserSkill结合配套的浏览器扩展，让Agent可直接控制本地Chrome或Edge浏览器进行网页浏览与表单填写，遇到登录鉴权或验证码拦截时可将控制权转交人工操作，降低了自动化爬虫与复杂鉴权的适配成本。MCP Server端点反向输出则支持把系统内的知识空间直接暴露为MCP端点，Claude、Cursor等第三方AI客户端链接后可直接调用该知识库的检索与问答能力，使知识库从被动的“问答入口”转变为企业AI生态的“知识供给源”。对话流控制与产物管理允许用户在生成过程中补充约束条件，或对历史对话进行分叉（Fork）与回滚（Rollback）；任务执行过程中生成的所有文件统一汇聚于“产物”面板，便于追踪与导出。
对比Dify、FastGPT等传统RAG知识库系统，WeKnora的核心差异在于完整贯通了“知识检索—技能调度—代码沙箱执行—结构化文件交付”的全链路流程，表明知识库正由单纯的“信息检索工具”向“自动化任务执行体”演进。
还是得提醒一句，对于生产环境而言，基于沙箱的代码执行模式仍需在实际业务中经历安全性和稳定性的长期检验。其后续表现将取决于技能生态的丰富程度，以及会话级沙箱在面对高并发、长周期复杂任务时的资源调度效率。