搭企业知识库，主流开源方案基本都上手试了一遍，把选型思路整理成一篇。 背景：最初想用 Karpathy「把大模型当编译器」那套——让 LLM 把资料编译成互相链接的 Markdown wiki。自己用很优雅，但做成企业级就撞了四堵墙： ① 入口错位：只能命令行调，业务系统接不了 ② 召回落后：grep 只认字面，换个说法就搜不到 ③ Agent 又慢又脆：单次常 >50s，近 9% 卡死率 ④ 企业能力全缺：多租户/权限/审计/评测全空白 核心结论：选型没有银弹，取决于你的文档形态和场景—— · 复杂表格解析 → RAGFlow#（自研 DeepDoc，复杂表格 90%+） · 单份超长文档 → PageIndex（目录树推理，财报基准 98.7%） · 要长期演进/对外/沉淀的知识中台 → WeKnora 为什么最后选 WeKnora（腾讯开源）：六大能力几乎照着刚需长——Wiki Mode 自动沉淀互链百科页、混合检索(向量+BM25+知识图谱)三路召回、ReAct Agent+MCP、GraphRAG、多租户 RBAC+审计、IM 原生+OpenAI 兼容 API+Langfuse 可观测。实测 R@5≈0.81，30/30 防注入。 一句话：先想清楚要解决什么问题，再挑工具。 #WeKnora知识分享季 #RAG #企业知识库 #大模型 #开源项目 #AI工具 #知识库搭建 #向量数据库 #腾讯开源 #私有化部署