# 让 AI 助手读懂你的本地文档：WorkBuddy 连接 WeKnora 的完整实践指南

我花了44天，搭建了一套让 AI 助手可以检索企业本地知识库的系统。不是 SaaS，不是闭源方案——纯本地部署。这篇文章把这个过程中的关键设计、踩过的坑和最终的检索架构完整复盘出来。
先交代背景：我日常工作中涉及大量审计任务，每次查制度、翻合同、对数据底稿，四五十份文档来回切换，效率非常低。于是开始让 AI 来干这件事——但前提是：**AI 能准确地找到我需要的文档原文**，而不是泛泛地回答"根据相关制度"这种废话。
![架构总览](https://developer.qcloudimg.com/http-save/yehe-12519067/a541d7f4dc78c90d5d32f14e3b558566.png)

## 一、架构全景

整个系统跑在一台普通台式机上（i9 + 32G 内存），核心组件三层：
- **AI 运行时层：** WorkBuddy 内置模型池、技能引擎和记忆系统
- **知识库层：** Docker 部署 WeKnora 六容器栈（app/frontend/docreader/postgres/redis/neo4j），REST API 对外暴露
- **本地推理层：** Ollama 运行 bge-m3 嵌入模型和 qwen3:8b，数据不出本地

关键原则：**"双仓分离"**——WeKnora 存原始制度、合同、报告（"原料"），Obsidian 存审计底稿、工作笔记（"成品"）。绝不混用。

## 二、连接真相：LLM 读手册，跑 bash 命令

坦白一个事实：**WorkBuddy 和 WeKnora 之间没有任何"连接器中间件"、没有持久 API 客户端、没有 MCP Server。**
实际机制：
1. 我写了一份 SKILL.md 技能手册（约 500 行），里面全是 bash 命令模板
2. 对话中提到本地知识库，WorkBuddy 把手册加载到大模型上下文
3. 大模型读了手册后，**自己生成 bash 命令**，交 WorkBuddy Bash 工具执行
4. 命令输出（JSON）回到上下文，大模型读后合成回答

例如我问"费用报销有什么规定"，实际发生：
所以连接的本质：**SKILL.md 是操作手册，weknora_api.cjs 是工具刀，大模型是那个读手册拿刀干活的人。**
在此基础上设计了**四通道智能适配器**——路由逻辑不在脚本里，在大模型的技能提示词中。
![四通道](https://developer.qcloudimg.com/http-save/yehe-12519067/79a1f7f5ca199f27ddabc0ac90cf7688.png)
### A：RAG 向量检索（主力）

用户提问 → POST → chunk 原文 + 分数 + 来源。返回含 （文件 AI 摘要），即使 RAG 权重不高也能判断相关度。
### B：Wiki 链接图谱

知识库开 Wiki 后，WeKnora 解析文档引用关系，生成 InLinks/OutLinks。可通过 获取。
### C：知识图谱（Neo4j）

通过 Agent 工具查询实体关系。"销售部属于哪个事业部？"这类问题，图查询一步直达。
### D：结构导航（精确定位）

利用每个 chunk 的 ，离线构建结构树索引，在线精确定位章节原文。准确率 95%+，远超纯 RAG。

## 三、意图路由

核心：**不是写 if-else，是在技能提示词里教大模型判断。**
![路由流程](https://developer.qcloudimg.com/http-save/yehe-12519067/100e1a05223ad871207e89ec2204255a.png)

|用户提问|信号词|路由|
|:-:|:-:|:-:|
|"费用报销的规定"|无|→ RAG（默认）|
|"被哪些文件引用"|引用|→ Wiki|
|"属于哪个事业部"|属于、组织架构|→ 知识图谱|
|"第三章具体内容"|章节编号|→ 结构导航|
|"审批流程 + 被引用"|审批+引用|→ 多通道融合|

## 四、零轮预检

文件超过 20 个时全量 RAG 检索慢。在 Obsidian 维护一份"总索引笔记"，任务启动时先读索引定位目录，跳过全库扫描。**实测提速 3-5 倍。**

## 五、踩过的坑

**asynq worker 假死：** bge-m3 和 minicpm-v 并发时 VLM 超时 → worker 假死 → pending 堆积。
修复：PostgreSQL 重置 processing→pending + 重启。同天重启≤2次。
**Docker 数据卷安全：** 存全部账号配置元数据，删 = 从头来。标记禁止删除。
**API 路径陷阱：** RAG 用 ；Wiki 用 —— 单数无连字符，搞混 404。

## 六、效果

|环节|传统|AI|提升|
|:-:|:-:|:-:|:-:|
|制度研究|960min|38min|96%|
|数据分析|1440min|20min|98.6%|
|报告书写|1200min|32min|97.3%|
|通报生成|240min|12min|95%|
前提：知识库结构清晰、检索策略配到位。扔一堆 PDF 指望 AI 自己理清——期望太高。

----
回头来看， 才 300 行。真正有价值的：一是 **SKILL.md 操作手册**——教会大模型何时用什么命令、怎么读结果；二是**四通道设计思路**——不同检索机制解决不同问题。
**你不需要复杂的中间件，一本好手册+一把好工具就够了。**
>本文不含任何 API 密钥、数据库密码等认证信息。连接机制经实际代码验证。

我花了44天，搭建了一套让 AI 助手可以检索企业本地知识库的系统。不是 SaaS，不是闭源方案——纯本地部署。这篇文章把这个过程中的关键设计、踩过的坑和最终的检索架构完整复盘出来。先交代背景：我日常工作中涉及大量审计任务，每次查制度、翻合同、对数据底稿，四五十份文档来回切换，效率非常低。于是开始让 AI 来干这件事——但前提是：AI 能准确地找到我需要的文档原文，而不是泛泛地回答"根据相关制度"这种废话。

让 AI 助手读懂你的本地文档：WorkBuddy 连接 WeKnora 的完整实践指南

一篇记录 WorkBuddy 连接 WeKnora 本地知识库的技术实践——实际的连接方式是：LLM 读取技能手册后自己生成 bash 命令，调用 weknora_api.cjs 访问 WeKnora API。基于这个朴素机制设计了四通道检索适配器：RAG 向量检索、Wiki 链接图谱、知识图谱和结构导航，通过提示词关键词路由自动选择最优通道。文章公开了完整架构、意图路由规则。

人工智能

开发工具

架构设计

本文分享44天搭建本地AI知识库系统的完整实践，通过WorkBuddy+WeKnora实现企业文档精准检索。系统采用纯本地部署，包含AI运行时层、知识库层和本地推理层，设计四通道智能适配器（RAG/Wiki/知识图谱/结构导航）实现95%+准确率。详细解析架构设计、意图路由机制及性能优化方案，提供可复用的技术实现路径。

数据分析

PostgreSQL

中间件

数据库

WorkBuddy 

路由

容器

Agent

JSON

SaaS

2026年中大促 | AI 领航 智绘未来

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

让 AI 助手读懂你的本地文档：WorkBuddy 连接 WeKnora 的完整实践指南-腾讯云开发者社区-腾讯云

让 AI 助手读懂你的本地文档：WorkBuddy 连接 WeKnora 的完整实践指南

让 AI 助手读懂你的本地文档：WorkBuddy 连接 WeKnora 的完整实践指南

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐