求助佬们，企业知识库该怎么搭建啊，可以提供一些思路吗？

蹲一下，我用LLMwiki做了一个个人知识库，企业知识库还没有设计过

我们这个企业也要准备搭建了，没思绪

不过企业的就不要用那些有商业限制的开源项目，不然容易出事

LLMwiki量不大可以弄，效果很好，量大的话我现在想了是索引的索引，还没开始试，不知道效果如何

感觉重要的是数据整理吧，最好能都搞成markdown文档，可以试试MinerU转一下

可以用dify ，或者 知识库 整个流程是 文档解析（mineru or deepdoc）->文档治理(脚本，规则 dsl)->切块 （递归、父子块 等等）-> 入库（向量库）-》召回（混合召回等等 bm25+向量检索），ragflow的优势在于deepdoc graphrag 图谱， 其他优势很小， ragflow 是可以代替dify的知识库作为外链知识库，但是实际我们使用下来很多工程问题。 ragflow其实不是大部分企业的优选，当然业务简单用平台更容易，如果是一个稳定的业务流程可能是这样的。 客户数据拿来，第一步先， 拿一批数据做评估 比如pdf里有多少图片 有多少文字 等等（报价） 这一步用mineru 现在效果最好，解析完了后。知道收多少钱后。开始正式做业务， 第一步 按照不同业务选择不同解析模型， 复杂排版不可编辑用mineru,公式很多的数学书用docling,都是txt文字的用markitdown, 没算力可以上deepdoc(这些有人抽出来)，之后人工清洗整理解析后的文章，然后做切块， 根据业务来切 不要死的重叠快切（一般800主流），比如根据文章切 标题啥的，这类ragflow有设计可以参考，切完后 入库一般选Milvus 主流。 然后 整个rag就做好了， 整个流程搭建 任意框架， 哪怕直接python+pydantic都能实现，这个在业务上是完全可控的， 如果你要做聊天助手，那么复杂的用langgraph 涉及到图路由的（web search kg rag等 a2a）， 如果简单的直接用pydantic-ai 这样设计

虽然现在搭建Agent的方法很多，但是企业级的还是Langgraph用的最多？毕竟要确定性，不知道现在进化成什么样子了

我们公司直接用的glean，很强大

先推荐一把WeKnora吧，功能比较齐全，部署起来也比较省事

虽然我个人不太喜欢，主要是不喜欢RAG

我搞过 RAGFlow 感觉也不错

我现在看的全部是开源的，都没找有限制的

好的好的，谢谢佬那么详细的答疑解惑

这个我也看到了，我也准备部署试试，谢谢佬

1、首先各部门文档要整理好，确定需要内容再入库。2、如果文档排版复杂可以用ragflow这种解析强的，配套功能比较完善；如果文档比较少，形式简单，简单可以用dify、fastgpt这种。 3、可以先用mineru把转成md，降低解析压力

为什么这么艰难的任务会放到你手里^-^

非专职的话不建议搞，难点不在技术，在于人，你需要下到各部门去收集“知识”，这个过程是痛苦的

并且你的位置很尴尬，各部门的人为什么，也凭什么听你的，大家都很忙，都有“合理”的工作要做

为什么要花时间把你的事情放在第一位，为了未来，为了公司，为了xx，都没意义，会受到很大的抵抗

我在前司的时候，董事长站台跟各个部门的领导说配合我工作，且我跟各个部门的人也都很熟，最后也是一地鸡毛

想起来也一肚子气和委屈(虽然能理解工具强了人就少了这件事)

佬，可以给个GitHub项目链接参考吗？

巧了，我也在自建团队知识库平台，涉及代码、文档、Agent智能体整套工作流，我本来想用开源的，但是这些开源的项目都太重了，而且脱敏是个大问题，所以就选择自建了。

WeKnora + MinerU 的组合好不好？