腾讯开源 WeKnora（IMA）：重新定义企业级智能文档检索
WeKnora（维娜拉）是腾讯开源的一款企业级文档理解与语义检索框架，基于 RAG（检索增强生成）机制构建。它专为结构复杂、内容异构的文档场景设计，能够精准理解 PDF、Word、图片等多种格式文档，并结合上下文生成高质量、可追溯的答案。
一、WeKnora 简介
WeKnora（在微信生态中也被称为 IMA）是腾讯开源的一款企业级文档理解与语义检索框架，基于 RAG（检索增强生成）机制构建。它专为结构复杂、内容异构的文档场景设计，能够精准理解 PDF、Word、图片等多种格式文档，并结合上下文生成高质量、可追溯的答案。
核心价值定位
- 打破格式壁垒：统一处理多模态文档，提取结构化知识
- 语义智能检索：超越传统关键词搜索，实现真正的'理解式检索'
- 企业级安全可控：支持本地化和私有云部署，数据完全自主管理
- 零门槛部署：提供 Docker 一键部署，非技术人员也能快速上手
二、核心架构：五层模块化设计
WeKnora 的强大源于其精心设计的五层模块化架构，各模块既独立封装又协同联动，形成完整的文档处理闭环。
1️⃣ 文档解析层
打破格式壁垒，支持多种文档类型的智能解析：
- 格式支持：PDF（含扫描件）、Word、TXT、Markdown、图片
- 图文融合：OCR 识别 + 图像描述生成（Caption）
- 结构化提取：自动识别表格、公式，转化为统一语义视图
- 批量导入：支持文件夹导入、URL 在线爬取
2️⃣ 知识建模层
将文档转化为可检索的知识表示：
- 自适应分块：采用滑动窗口算法（默认 512 token），保证语义完整性
- 多模态向量化：文本通过 Sentence-BERT/BGE 生成 768 维向量，图片通过 CLIP 生成视觉向量
- 知识图谱构建：自动提取实体与关系（如'产品 - 参数 - 价格'三元组）
3️⃣ 检索引擎层
采用混合检索策略，兼顾精准与全面：
| 检索策略 | 技术实现 | 适用场景 |
|---|---|---|
| 关键词检索 | BM25 算法 | 精确术语匹配 |
| 向量召回 | BGE/GTE 嵌入模型 | 语义相似搜索 |
| 知识图谱增强 | GraphRAG | 跨文档关联推理 |
动态权重调整：
- 事实性问题：关键词权重 60%
- 语义性问题：向量检索权重 70%
- Top10 准确率高达 89%
4️⃣ 大模型推理层
基于 RAG 机制，确保答案的真实性：
