微信开源企业Agent知识底座，已适配DeepSeek Harness！

腾讯微信团队开源了一个狠货，这次瞄准的是企业知识库和 Agent。

项目名为 WeKnora，把传统 RAG 知识库一路扩展到了 ReAct Agent、MCP、Skills、代码沙箱、长期记忆、知识图谱和自动 Wiki。

这两年，给大模型“外挂一个知识库”，几乎已经成了企业落地 AI 最常见的方式。  

企业都会积累大量 PDF、Word、PPT、网页、飞书和 Notion 文档，但真正让 AI 用起来时，这些知识依然是散的、乱的，而且不好找。  

因此，WeKnora 并没有停留在上传文档，然后和 PDF 聊天。

底层，它通过文档解析、自适应分块、向量检索与 BM25 混合搜索、Rerank 等技术提升知识召回质量。

往上又加入 ReAct Agent，让模型可以围绕一个问题多轮检索知识库、调用 MCP 和 Skills，甚至进入沙箱执行代码、处理文件。

可以看出，WeKnora 直接把传统企业知识库升级成了供 Agent 使用的知识基础设施。 截至目前，该项目在 GitHub 已拿下 23.4k Stars。

WeKnora 本身已经覆盖企业知识库常见能力，包括多格式文档解析、混合检索、Rerank、知识图谱，以及飞书、Notion、GitLab 等数据源接入。

更值得关注的是，它已经开始往 Agent 基础设施的方向延伸。

首先是 Skill Sandbox Runtime。

WeKnora 为 Agent 加入了独立的技能沙箱，支持 Docker、E2B 和 Cube 三种后端。

每个聊天 Session 都可以拥有一个持续存在的工作空间，Agent 不仅能检索知识，还能在里面执行 Shell、读写文件、处理用户上传的附件，并把生成的文件直接作为结果返回。

用户上传一份 Excel 后，Agent 可以先从企业知识库中找到相关业务规则，再调用 Skill 在沙箱里运行 Python 完成分析，最后生成新的报告文件。  

另一个比较有意思的能力是 Wiki Mode。

企业过去建设 RAG，底层往往还是一堆 PDF 和被切碎的 Chunk。

WeKnora 则可以让 Agent 自动阅读这些原始资料，把其中的实体、概念和关系重新整理成相互链接的 Markdown Wiki，同时生成知识图谱。

Wiki 页面还支持人工编辑、版本对比和一键回滚。

此外，WeKnora 还补上了跨会话长期记忆。

系统可以记录 Profile、Preference、Fact、Task、Interest 等不同类型的信息。Agent 从对话中自动提取出的记忆不会直接写入，它会先等待用户确认，后续对话再根据需要自动召回。

这样一来，WeKnora 中的 Agent 不仅知道“公司的知识”，还可以逐渐记住这个用户是谁、经常关注什么、此前做过哪些事情。

更关键的是，WeKnora 并不要求所有 Agent 都运行在自己的界面里。

它提供 API、CLI 和 MCP Server，可以直接充当其他 Agent 的外部知识层。

团队已经为 DeepSeek Harness 提供了官方插件 @wxg-prc-cpg/dsh-weknora，接入后，Coding Agent 可以直接搜索 WeKnora 知识库、读取完整文档，或者调用 WeKnora 的 RAG / ReAct 流程完成问答。

这点其实很重要。

未来一家企业内部可能同时运行 Claude Code、DeepSeek Harness，以及各种自研 Agent。

它们的模型和 Harness 可以完全不同，但底层可以共享同一个 WeKnora 企业知识层。

最推荐的方式仍然是 Docker Compose。首先需要提前安装 Docker、Docker Compose 和 Git。

随后克隆项目：

git clone https://github.com/Tencent/WeKnora.gitcd WeKnoracp .env.example .env   # 按需编辑 .env，详见文件内注释docker compose pull     # 拉取最新镜像docker compose up -d    # 启动核心服务

启动完成之后，在浏览器访问：http://localhost，就可以进入 WeKnora 的 Web UI。

未来，一家公司内部可能同时跑着几十甚至上百个 Agent。它们用的模型不同、Harness 不同，但背后依赖的企业知识却可以是同一套。

谁能把这些散落在文档、Wiki 和业务系统里的知识整理好，让 Agent 随时查、随时用，谁就更容易真正把 Agent 跑起来。

所以，下一阶段企业 Agent 比拼的不只是模型能力，还包括怎么让 Agent 真正读懂一家公司的知识，并把这些知识变成行动。

从 RAG，到 Agent，再到 Wiki 和 Memory，WeKnora 正在一点点补齐这块拼图。