1. WeKnora 是什么：把 EDA 文档变成可用的知识
WeKnora 是腾讯开源的、基于大语言模型的知识管理框架，面向文档理解、语义检索与智能问答。可以从官网了解产品，也可以按需自行部署。
它把文档解析、索引、检索、模型回答和知识管理串在一起。对研发团队来说，输入可以是工具手册、内部使用说明、常见报错记录和已经审阅的解决方案，输出则是有资料依据的问答，以及可持续维护的知识页面。
RAG：带着问题查资料，再组织答案
RAG 即检索增强生成。提出问题后，系统先从指定知识库找出相关内容，再把这些材料交给模型生成回答。检索结果和引用让工程师可以沿着答案回到原文。
这很适合 EDA 中有明确对象的查询，例如“Verdi 如何加载 FSDB”“某个选项用在什么场景”。工具名、参数名和错误码需要精确匹配，自然语言描述的问题又需要语义理解，因此关键词检索与向量检索可以相互补充。
Wiki：把查过的资料组织成知识页面
Wiki 模式更进一步：文档入库后，WeKnora 可以提取其中的实体和概念，生成带出处的 Markdown 页面，再通过链接把页面组织起来。工程师既能提问，也能沿着概念关系浏览资料。
例如，Verdi 文档中的 FSDB、KDB、波形加载、设计数据库和 Tcl 脚本并不是孤立的词。把它们连接起来，便于理解“一个选项解决哪一部分问题”“下一步还应该查什么”。这些页面也能人工编辑，并保留版本历史。官方 Wiki 说明介绍了生成、浏览和回滚方式。
Agent：需要时多查几步
遇到需要反复检索、阅读多份材料的问题，Agent 可以分步调用检索与工具，逐步组织答案。RAG 适合直接查问，Wiki 适合整理和浏览，Agent 适合多步分析；三种能力围绕同一批资料配合使用。
搭建 EDA 知识库时，我更看重这条路径：先把可靠资料放进去，再让检索和 Wiki 帮助研发人员理解、复用它们。 数据本身的质量、版本标记和后续维护，仍然决定知识库能走多远。
2. 基本核心企业级功能：研发团队需要什么
文档处理与检索可以按资料调整
WeKnora 支持 PDF、Word、Markdown 等多种文档格式，并提供解析、分块、索引等处理环节。对扫描件和图文复杂的材料，需要选择合适的解析能力，并检查实际解析结果。
检索侧支持关键词与向量等策略，也可以配置 Rerank 模型对候选结果重排。长手册可以结合父子分块保留更多上下文；分块内容还能编辑、查看历史并重新建立索引。这些能力为改善召回质量提供了手段，具体效果仍需用自己的问题集验证。
EDA 手册对版本和语境很敏感。同一命令在不同版本中可能有变化，因此应在文件名或资料说明中保留工具版本，抽查命令、表格、脚本段落有没有被截断，再决定是否扩大导入范围。
Wiki 有出处，也能维护
Wiki 的价值在于把知识组织起来。页面可以相互链接、回读源资料，发现错误后能够修订；版本历史与回滚则让维护过程有记录。
界面的 Wiki 图谱展示的是知识页面之间的链接关系。它与可选的实体关系检索、GraphRAG 是需要区分的能力，使用 Wiki 不需要先把 Neo4j 当成必装组件。本次截图中的图谱，用来观察资料组织结果，不作为回答正确率的证明。
空间、权限与审计支持团队使用
工作空间提供资料和协作的边界，成员可分配 Owner、Admin、Contributor、Viewer 等角色。团队可围绕维护者、上传者和使用者分工，再按授权需要共享知识库。
知识库活动记录、审计以及任务处理状态，有助于追踪资料更新和排查失败。身份认证解决“谁能登录”，空间与资源权限解决“登录后能访问什么”，两层需要分别配置。官方认证与授权说明给出了具体机制。
模型、数据源与部署方式可以选择
WeKnora 支持多种模型服务和本地模型接入，也支持自托管部署。文档、索引和应用可以部署在自有环境；如果选择外部模型接口，发送给模型的内容仍会经过该服务，因此要按资料边界选择模型与接口。
产品支持飞书知识库、飞书云盘等数据源接入，也提供 IM 问答入口。这里介绍的是官方能力，本文的试用截图来自已导入的 SpyGlass 与 Verdi 资料，不把飞书自动同步写成本次已经验证的结果。
3. 部署步骤：先跑通文档、模型和问答
准备环境与固定版本
本次部署手册记录的环境是 Rocky Linux 9.7、8 核 CPU、约 32 GB 内存，使用 Docker 与 Compose。这个配置是本次环境记录，不是最低要求，也不包含在同一台机器运行大模型所需的资源。
新环境先准备 Git、Docker Engine 和 Compose 插件，检查磁盘空间及已有服务。下面命令用于全新目录；已有部署不要重新初始化或覆盖原配置。
git clone --branch v0.8.0 --depth 1 \
https://github.com/Tencent/WeKnora.git weknora
cd weknora
cp -n .env.example .env
chmod 600 .env
docker --version
docker compose version
固定版本有助于让说明、配置和镜像保持一致。本次基准是 v0.8.0，不用随时变化的标签替代复现版本。
配置环境变量与持久化
编辑 .env，以下是本方案的关键选项。示例域名需要替换为自己的访问域名；使用 HTTPS 入口时，还需完成对应反向代理与证书配置。
WEKNORA_VERSION=v0.8.0
FRONTEND_PORT=8088
STORAGE_TYPE=local
RETRIEVE_DRIVER=postgres
OLLAMA_OPTIONAL=true
FRONTEND_BASE_URL=http://kb.example.com:8088
启动前必须替换模板里的数据库密码、Redis 密码、JWT_SECRET 和 SYSTEM_AES_KEY。密钥在部署机器上生成，不把真实值放进文章或截图；其中加密密钥应按此版本要求设置为 32 个 ASCII 字节，例如使用本机 openssl rand -hex 16 的结果。
数据库和上传文件使用持久卷，Redis 也应按运维方案保存必要数据。备份要同时覆盖数据库、文件和配置。已有数据时保留原 SYSTEM_AES_KEY，更换它可能导致已保存的模型等凭据无法解密；不要用删除卷的方式处理普通启动故障。
启动并检查基础服务
docker compose config --quiet
docker compose pull
docker compose up -d --no-build --pull never \
--wait --wait-timeout 180
docker compose ps
本方案的基础服务包括 frontend、app、docreader、postgres 和 redis。先确认服务运行、相关健康检查通过，再打开页面。Web 入口之外的数据库、缓存和解析服务按实际网络方案限制访问。
可在部署机器检查后端健康接口：
curl -fsS http://localhost:8080/health
预期返回 {"status":"ok"}。页面打开、容器健康和模型问答可用是三个检查项，应该分别确认。镜像拉取失败时先检查网络与仓库可达性；容器异常时查看对应日志，不重复初始化数据库。
配置模型，导入资料并开启 Wiki
在模型设置中，先配置对话模型与 Embedding 模型，并验证接口、模型 ID 和向量维度。Rerank 可以按检索需要再配置。若使用内部模型服务，应按应用规则配置精确的可信服务白名单，同时检查容器到服务的连通性；不通过关闭保护来解决地址配置问题。
接着分别建立 SpyGlass 与 Verdi 知识库，先导入少量有代表性的资料，检查解析、分块和引用。确认命令行选项与表格没有明显丢失后，再扩展到更多文档。
在知识库“索引策略”中开启 Wiki，等待异步生成完成，再进入 Wiki 与图谱页查看。生成会调用模型，需要时间与额度；文档解析完成不一定意味着 Wiki 已全部整理完毕。若效果不理想，先检查源资料、解析质量、知识库范围和模型配置，再调整检索参数。
LDAP 接入：通过 Dex 和 OIDC 衔接企业目录
企业已有 AD/LDAP 时，可以采用下图的接入方案。箭头表示身份能力的衔接关系：用户从 WeKnora 发起登录，Dex 连接企业目录完成认证，再通过 OIDC 返回身份信息。
落地时需要处理目录查询范围、用户名与唯一邮箱映射、HTTPS 与目录证书校验，以及登录后的空间邀请和角色分配。LDAP 组与 WeKnora 角色不能假定自动对应。
我的部署手册记录了这条链路曾完成真实登录验证，之后已停用并恢复本地登录。这里保留方案，供需要统一身份认证的团队参考，不展开 LDAP 配置教程。连接器细节见 Dex LDAP 官方文档。
4. 试用效果：加入 SpyGlass 和 Verdi 后，回答非常好
手册开始有了可浏览的结构
导入 SpyGlass 资料后，图谱中能看到时钟、复位、约束、检查和报告等相关条目。对刚接触一套工具的人来说，这能提供一个继续查阅的入口：从当前概念出发，找到相关知识页面，再回到原始材料。
Verdi 资料也形成了类似结构，围绕波形、设计数据库、调试视图、脚本和常用选项展开。图谱越密并不代表质量越高，实际使用仍要看页面内容与引用是否准确。截图中也有待修复内容提示，说明生成后仍需要维护。
问基本参数，能整理成可查阅的答案
我问“Verdi 基本命令参数有哪些”，回答把常用参数整理成了“参数、作用、用法示例”的表格，并保留了文档和 Wiki 引用。
其中，-f 对应源文件列表，-ssf 对应波形，-dbdir 对应设计数据库，-play 对应 Tcl 脚本。这样的组织方式适合快速回忆参数，再沿着引用核对自己版本的具体用法。
问波形打开慢，能先拆问题再给方向
另一个问题是“verdi 打开波形慢怎么解决”。让我觉得有帮助的是，回答开头先区分加载设计数据库 KDB 和加载波形 FSDB，两部分的排查与优化方向不同。
随后，它结合资料整理波形数据规模、信号转储范围和加载方式等方向，并给出引用。截图还说明手册没有专门一章直接叫“打开波形提速”，是在汇总分散的相关机制。这比直接列出几个没有上下文的开关，更方便继续查证。
这就是我说“加入 SpyGlass 和 Verdi 后，回答非常好”的具体原因：能围绕导入资料组织参数、连接概念、拆解问题，而且保留继续核对的入口。这是本次试用感受，不是覆盖所有 EDA 问题的准确率评测。
如果准备在研发团队尝试，我建议先选一套常用工具的一组明确版本资料，用日常确实遇到的问题检验，再逐步加入团队已确认的使用经验。能查到原文、能维护知识页、能把答案用回真实工程，这样的知识库才值得持续建设。