446 lines
20 KiB
Markdown
446 lines
20 KiB
Markdown
<p align="center">
|
||
<picture>
|
||
<img src="./docs/images/logo.png" alt="WeKnora Logo" height="120"/>
|
||
</picture>
|
||
</p>
|
||
|
||
<p align="center">
|
||
<picture>
|
||
<a href="https://trendshift.io/repositories/15289" target="_blank">
|
||
<img src="https://trendshift.io/api/badge/repositories/15289" alt="Tencent%2FWeKnora | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/>
|
||
</a>
|
||
</picture>
|
||
</p>
|
||
<p align="center">
|
||
<a href="https://weknora.weixin.qq.com" target="_blank">
|
||
<img alt="官方网站" src="https://img.shields.io/badge/官方网站-WeKnora-4e6b99">
|
||
</a>
|
||
<a href="https://chatbot.weixin.qq.com" target="_blank">
|
||
<img alt="微信对话开放平台" src="https://img.shields.io/badge/微信对话开放平台-5ac725">
|
||
</a>
|
||
<a href="https://github.com/Tencent/WeKnora/blob/main/LICENSE">
|
||
<img src="https://img.shields.io/badge/License-MIT-ffffff?labelColor=d4eaf7&color=2e6cc4" alt="License">
|
||
</a>
|
||
<a href="./CHANGELOG.md">
|
||
<img alt="版本" src="https://img.shields.io/badge/version-0.3.6-2e6cc4?labelColor=d4eaf7">
|
||
</a>
|
||
</p>
|
||
|
||
<p align="center">
|
||
| <a href="./README.md"><b>English</b></a> | <b>简体中文</b> | <a href="./README_JA.md"><b>日本語</b></a> | <a href="./README_KO.md"><b>한국어</b></a> |
|
||
</p>
|
||
|
||
<p align="center">
|
||
<h4 align="center">
|
||
|
||
[项目介绍](#-项目介绍) • [架构设计](#-架构设计) • [核心特性](#-核心特性) • [快速开始](#-快速开始) • [文档](#-文档) • [开发指南](#-开发指南)
|
||
|
||
</h4>
|
||
</p>
|
||
|
||
# 💡 WeKnora - 基于大模型的文档理解检索框架
|
||
|
||
## 📌 项目介绍
|
||
|
||
**[WeKnora(维娜拉)](https://weknora.weixin.qq.com)** 是一款基于大语言模型(LLM)的智能知识管理与问答框架,专为企业级文档理解与语义检索场景打造。
|
||
|
||
WeKnora 提供**快速问答**与**智能推理**两种问答模式。快速问答基于 **RAG(Retrieval-Augmented Generation)** 流水线,快速召回相关片段并生成回答,适合日常知识查询。智能推理基于 **ReACT Agent** 引擎,采用**渐进式策略**自主编排知识检索、MCP 工具和网络搜索,经过多轮迭代与反思逐步推导最终结论,适合多源信息整合与复杂任务。同时支持自定义智能体,灵活配置专属的知识库、工具集与系统提示词。两种模式按需选用,兼顾响应速度与推理深度。
|
||
|
||
框架支持从飞书等外部平台自动同步知识(更多数据源持续接入中),覆盖 PDF、Word、图片、Excel 等十余种文档格式,并可通过企业微信、飞书、Slack、Telegram 等 IM 频道直接提供问答服务。模型层面兼容 OpenAI、DeepSeek、Qwen(阿里云)、智谱、混元、Gemini、MiniMax、NVIDIA、Ollama 等主流厂商。全流程模块化设计,大模型、向量数据库、存储等组件均可灵活替换,支持本地与私有云部署,数据完全自主可控。
|
||
|
||
**官网:** [https://weknora.weixin.qq.com](https://weknora.weixin.qq.com)
|
||
|
||
## ✨ 最新更新
|
||
|
||
**v0.3.6 版本亮点:**
|
||
|
||
- **ASR 语音识别**:集成 ASR 模型,支持音频文件上传、文档内音频预览和语音转写能力
|
||
- **数据源自动同步(飞书)**:完整的数据源管理功能,支持飞书 Wiki/云文档自动同步(增量/全量),同步日志与租户隔离
|
||
- **OIDC 统一认证**:支持 OpenID Connect 登录,自动发现端点、自定义端点配置及用户信息字段映射
|
||
- **IM 引用回复上下文**:IM 频道中提取引用消息并注入 LLM 提示词,实现上下文关联回复;非文本引用防幻觉处理
|
||
- **IM 线程会话模式**:IM 频道支持按线程维度独立会话(Slack、Mattermost、飞书、Telegram),线程内多用户协作
|
||
- **文档自动摘要**:AI 生成文档摘要,可配置最大输入长度,文档详情页展示专属摘要区域
|
||
- **Tavily 网页搜索**:新增 Tavily 搜索引擎;重构 Web Search Provider 架构,提升可扩展性
|
||
- **MCP 自动重连**:MCP 工具调用断线自动重连
|
||
- **并行工具调用**:Agent 模式支持通过 errgroup 并发执行多个工具调用,加速复杂任务处理
|
||
- **Agent @提及范围限制**:用户 @提及限制在 Agent 授权的知识库范围内,防止越权访问
|
||
- **登录页性能优化**:移除全部 backdrop-filter blur,精简动画元素,新增 GPU 合成加速提示
|
||
|
||
**v0.3.5 版本亮点:**
|
||
|
||
- **Telegram、钉钉 & Mattermost IM集成**:新增Telegram机器人(webhook/长轮询,流式editMessageText回复)、钉钉机器人(webhook/Stream模式,AI卡片流式输出)和Mattermost适配器;IM频道现已覆盖企业微信、飞书、Slack、Telegram、钉钉、Mattermost共6个平台
|
||
- **IM斜杠命令与QA队列**:可插拔斜杠命令框架(/help、/info、/search、/stop、/clear),配合有界QA工作池、用户级限流和基于Redis的多实例分布式协调
|
||
- **推荐问题**:Agent基于关联知识库自动生成上下文相关的推荐问题,在对话界面开场前展示;图片知识自动触发问题生成任务
|
||
- **VLM自动描述MCP工具返回图片**:当MCP工具返回图片时,Agent通过配置的VLM模型自动生成文字描述,使不支持图片输入的LLM也能理解图片内容
|
||
- **Novita AI提供商**:新增Novita AI,通过OpenAI兼容接口支持Chat、Embedding和VLLM模型类型
|
||
- **MCP工具名称稳定性**:工具名称改为基于service.Name(跨重连保持稳定),新增唯一名称约束和碰撞防护;前端将snake_case工具名格式化为可读形式
|
||
- **来源频道标记**:知识条目和消息新增channel字段,记录来源(web/api/im/browser_extension),便于追溯
|
||
- **重要修复**:修复无知识库时Agent空响应、中文/emoji文档摘要UTF-8截断、租户设置更新时API密钥加密丢失、vLLM流式推理内容缺失、Rerank空段落过滤等问题
|
||
|
||
<details>
|
||
<summary><b>更早版本</b></summary>
|
||
|
||
**v0.3.4 版本亮点:**
|
||
|
||
- **IM机器人集成**:支持企业微信、飞书、Slack IM频道,WebSocket/Webhook双模式,流式回复与知识库集成
|
||
- **多模态图片支持**:图片上传与多模态图片处理,增强会话管理能力
|
||
- **手动知识下载**:支持手动知识内容导出下载,文件名清洗与格式化处理
|
||
- **NVIDIA模型API**:支持NVIDIA聊天模型API,自定义端点及VLM模型配置
|
||
- **Weaviate向量数据库**:新增Weaviate向量数据库后端,用于知识检索
|
||
- **AWS S3存储**:集成AWS S3存储适配器,配置界面及数据库迁移
|
||
- **AES-256-GCM加密**:API密钥静态加密,采用AES-256-GCM增强安全性
|
||
- **内置MCP服务**:支持内置MCP服务,扩展Agent能力
|
||
- **混合检索优化**:按目标分组并复用查询向量,提升检索性能
|
||
- **Final Answer工具**:新增final_answer工具及Agent耗时跟踪,优化Agent工作流
|
||
|
||
**v0.3.3 版本亮点:**
|
||
|
||
- **父子分块策略**:层级化的父子分块策略,增强上下文管理和检索精度
|
||
- **知识库置顶**:支持置顶常用知识库,快速访问
|
||
- **兜底回复**:无相关结果时的兜底回复处理及UI指示
|
||
- **Rerank段落清洗**:Rerank模型段落清洗功能,提升相关性评分准确度
|
||
- **存储桶自动创建**:存储引擎连通性检查增强,支持自动创建存储桶
|
||
- **Milvus向量数据库**:新增Milvus向量数据库后端,用于知识检索
|
||
|
||
**v0.3.2 版本亮点:**
|
||
|
||
- 🔍 **知识搜索**:新增"知识搜索"入口,支持语义检索,可将检索结果直接带入对话窗口
|
||
- ⚙️ **解析引擎与存储引擎配置**:设置中支持配置各个来源的文档解析引擎和存储引擎信息,知识库中支持为不同类型文件选择不同的解析引擎
|
||
- 🖼️ **本地存储图片渲染**:本地存储模式下支持对话过程中图片的渲染,流式输出中图片占位效果优化
|
||
- 📄 **文档预览**:使用内嵌的文档预览组件预览用户上传的原始文件
|
||
- 🎨 **交互优化**:知识库、智能体、共享空间列表页面交互全面优化
|
||
- 🗄️ **Milvus支持**:新增Milvus向量数据库后端,用于知识检索
|
||
- 🌋 **火山引擎TOS**:新增火山引擎TOS对象存储支持
|
||
- 📊 **Mermaid渲染**:对话中支持Mermaid图表渲染,全屏查看器支持缩放、导航和导出
|
||
- 💬 **对话批量管理**:支持批量管理和一键删除所有会话
|
||
- 🔗 **远程URL创建知识**:支持从远程文件URL创建知识条目
|
||
- 🧠 **记忆图谱预览**:用户级记忆图谱可视化预览
|
||
- 🔄 **异步重新解析**:支持异步API重新解析已有知识文档
|
||
|
||
**v0.3.0 版本亮点:**
|
||
|
||
- 🏢 **共享空间**:共享空间管理,支持成员邀请、知识库和Agent跨成员共享,租户隔离检索
|
||
- 🧩 **Agent Skills**:Agent技能系统,预置智能推理技能,基于沙盒的安全隔离执行环境
|
||
- 🤖 **自定义Agent**:支持创建、配置和选择自定义Agent,知识库选择模式(全部/指定/禁用)
|
||
- 📊 **数据分析Agent**:内置数据分析Agent,DataSchema工具支持CSV/Excel分析
|
||
- 🧠 **思考模式**:支持LLM和Agent思考模式,智能过滤思考内容
|
||
- 🔍 **搜索引擎扩展**:新增Bing和Google搜索引擎,与DuckDuckGo并列可选
|
||
- 📋 **FAQ增强**:批量导入预检、相似问题、搜索结果匹配问题字段、大批量导入卸载至对象存储
|
||
- 🔑 **API Key认证**:API Key认证机制,Swagger文档安全配置
|
||
- 📎 **输入框内选择**:输入框中直接选择知识库和文件,@提及显示
|
||
- ☸️ **Helm Chart**:完整的Kubernetes部署Helm Chart,支持Neo4j图谱
|
||
- 🌍 **国际化**:新增韩语(한국어)支持
|
||
- 🔒 **安全加固**:SSRF安全HTTP客户端、增强SQL验证、MCP stdio传输安全、沙盒化执行
|
||
- ⚡ **基础设施**:Qdrant向量数据库支持、Redis ACL、可配置日志级别、Ollama嵌入优化、`DISABLE_REGISTRATION`控制
|
||
|
||
**v0.2.0 版本亮点:**
|
||
|
||
- 🤖 **Agent模式**:新增ReACT Agent模式,支持调用内置工具、MCP工具和网络搜索,通过多次迭代和反思提供全面总结报告
|
||
- 📚 **多类型知识库**:支持FAQ和文档两种类型知识库,新增文件夹导入、URL导入、标签管理和在线录入功能
|
||
- ⚙️ **对话策略**:支持配置Agent模型、普通模式模型、检索阈值和Prompt,精确控制多轮对话行为
|
||
- 🌐 **网络搜索**:支持可扩展的网络搜索引擎,内置DuckDuckGo搜索引擎
|
||
- 🔌 **MCP工具集成**:支持通过MCP扩展Agent能力,内置uvx、npx启动工具,支持多种传输方式
|
||
- 🎨 **全新UI**:优化对话界面,支持Agent模式/普通模式切换,展示工具调用过程,知识库管理界面全面升级
|
||
- ⚡ **底层升级**:引入MQ异步任务管理,支持数据库自动迁移,提供快速开发模式
|
||
|
||
</details>
|
||
|
||
|
||
## 🏗️ 架构设计
|
||
|
||

|
||
|
||
从文档解析、向量化、检索到大模型推理,全流程模块化解耦,组件可灵活替换与扩展。支持本地 / 私有云部署,数据完全自主可控,零门槛 Web UI 快速上手。
|
||
|
||
## 🧩 功能概览
|
||
|
||
**🤖 智能对话**
|
||
|
||
| 能力 | 详情 |
|
||
|------|------|
|
||
| 智能推理 | ReACT 渐进式多步推理,自主编排知识检索、MCP 工具与网络搜索,支持自定义智能体 |
|
||
| 快速问答 | 基于知识库的 RAG 问答,快速准确地回答问题 |
|
||
| 工具调用 | 内置工具、MCP 工具、Skills 支持、网络搜索 |
|
||
| 对话策略 | 在线 Prompt 编辑、检索阈值调节、多轮上下文感知 |
|
||
| 推荐问题 | 基于知识库内容自动生成推荐问题 |
|
||
|
||
**📚 知识管理**
|
||
|
||
| 能力 | 详情 |
|
||
|------|------|
|
||
| 知识库类型 | FAQ / 文档,支持文件夹导入、URL 导入、标签管理、在线录入 |
|
||
| 数据源导入 | 飞书知识库自动同步(更多数据源开发中),支持增量与全量同步 |
|
||
| 文档格式 | PDF / Word / Txt / Markdown / HTML / 图片 / CSV / Excel / PPT / JSON |
|
||
| 检索策略 | BM25 稀疏召回 / Dense 稠密召回 / GraphRAG 图谱增强 / 父子分块 / 多维度索引 |
|
||
| 端到端测试 | 检索+生成全链路可视化,评估召回命中率、BLEU / ROUGE 等指标 |
|
||
|
||
**🔌 集成与扩展**
|
||
|
||
| 能力 | 详情 |
|
||
|------|------|
|
||
| 模型厂商 | OpenAI / DeepSeek / Qwen(阿里云)/ 智谱 / 混元 / 豆包(火山引擎)/ Gemini / MiniMax / NVIDIA / Novita AI / SiliconFlow / OpenRouter / Ollama |
|
||
| 向量数据库 | PostgreSQL (pgvector) / Elasticsearch / Milvus / Weaviate / Qdrant |
|
||
| 对象存储 | 本地 / 腾讯云COS / 火山引擎 TOS / MinIO / AWS S3 |
|
||
| IM 集成 | 企业微信 / 飞书 / Slack / Telegram / 钉钉 / Mattermost |
|
||
| 网络搜索 | DuckDuckGo / Bing / Google / Tavily |
|
||
|
||
|
||
**🛡️ 平台能力**
|
||
|
||
| 能力 | 详情 |
|
||
|------|------|
|
||
| 部署 | 本地 / Docker / Kubernetes (Helm),支持私有化离线部署 |
|
||
| 界面 | Web UI / RESTful API / Chrome Extension|
|
||
| 任务管理 | MQ 异步任务,版本升级自动数据库迁移 |
|
||
| 模型管理 | 集中配置,知识库级别模型选择,多租户共享内置模型 |
|
||
|
||
|
||
## 🚀 快速开始
|
||
|
||
### 🛠 环境要求
|
||
|
||
确保本地已安装以下工具:
|
||
|
||
- [Docker](https://www.docker.com/)
|
||
- [Docker Compose](https://docs.docker.com/compose/)
|
||
- [Git](https://git-scm.com/)
|
||
|
||
### 📦 安装步骤
|
||
|
||
#### ① 克隆代码仓库
|
||
|
||
```bash
|
||
# 克隆主仓库
|
||
git clone https://github.com/Tencent/WeKnora.git
|
||
cd WeKnora
|
||
```
|
||
|
||
#### ② 配置环境变量
|
||
|
||
```bash
|
||
# 复制示例配置文件
|
||
cp .env.example .env
|
||
|
||
# 编辑 .env,填入对应配置信息
|
||
# 所有变量说明详见 .env.example 注释
|
||
```
|
||
|
||
#### ③ 启动主服务
|
||
|
||
#### 单独启动 Ollama(可选)
|
||
|
||
如果你在 `.env` 中配置了本地 Ollama 模型,还需要额外启动 Ollama 服务:
|
||
|
||
```bash
|
||
ollama serve > /dev/null 2>&1 &
|
||
```
|
||
|
||
#### 激活不同组合的功能
|
||
|
||
- 启动最小功能
|
||
|
||
```bash
|
||
docker compose up -d
|
||
```
|
||
|
||
- 启动全部功能
|
||
|
||
```bash
|
||
docker compose --profile full up -d
|
||
```
|
||
|
||
- 需要 tracing 日志
|
||
|
||
```bash
|
||
docker compose --profile jaeger up -d
|
||
```
|
||
|
||
- 需要 neo4j 知识图谱
|
||
|
||
```bash
|
||
docker compose --profile neo4j up -d
|
||
```
|
||
|
||
- 需要 minio 文件存储服务
|
||
|
||
```bash
|
||
docker compose --profile minio up -d
|
||
```
|
||
|
||
- 多选项组合
|
||
|
||
```bash
|
||
docker compose --profile neo4j --profile minio up -d
|
||
```
|
||
|
||
#### ④ 停止服务
|
||
|
||
```bash
|
||
docker compose down
|
||
```
|
||
|
||
### 🌐 服务访问地址
|
||
|
||
启动成功后,可访问以下地址:
|
||
|
||
- Web UI:`http://localhost`
|
||
- 后端 API:`http://localhost:8080`
|
||
- 链路追踪(Jaeger):`http://localhost:16686`
|
||
|
||
## 📱 功能展示
|
||
|
||
<table>
|
||
<tr>
|
||
<td colspan="2"><b>智能问答对话</b><br/><img src="./docs/images/qa.png" alt="智能问答对话"></td>
|
||
</tr>
|
||
<tr>
|
||
<td colspan="2"><b>Agent模式工具调用过程</b><br/><img src="./docs/images/agent-qa.png" alt="Agent模式工具调用过程"></td>
|
||
</tr>
|
||
<tr>
|
||
<td><b>知识库管理</b><br/><img src="./docs/images/knowledgebases.png" alt="知识库管理"></td>
|
||
<td><b>对话设置</b><br/><img src="./docs/images/settings.png" alt="对话设置"></td>
|
||
</tr>
|
||
</table>
|
||
|
||
|
||
|
||
## 文档知识图谱
|
||
|
||
WeKnora 支持将文档转化为知识图谱,展示文档中不同段落之间的关联关系。开启知识图谱功能后,系统会分析并构建文档内部的语义关联网络,不仅帮助用户理解文档内容,还为索引和检索提供结构化支撑,提升检索结果的相关性和广度。
|
||
|
||
具体配置请参考 [知识图谱配置说明](./docs/KnowledgeGraph.md) 进行相关配置。
|
||
|
||
## 配套MCP服务器
|
||
|
||
请参考 [MCP配置说明](./mcp-server/MCP_CONFIG.md) 进行相关配置。
|
||
|
||
## 🔌 使用微信对话开放平台
|
||
|
||
WeKnora 作为[微信对话开放平台](https://chatbot.weixin.qq.com)的核心技术框架,提供更简便的使用方式:
|
||
|
||
- **零代码部署**:只需上传知识,即可在微信生态中快速部署智能问答服务,实现"即问即答"的体验
|
||
- **高效问题管理**:支持高频问题的独立分类管理,提供丰富的数据工具,确保回答精准可靠且易于维护
|
||
- **微信生态覆盖**:通过微信对话开放平台,WeKnora 的智能问答能力可无缝集成到公众号、小程序等微信场景中,提升用户交互体验
|
||
|
||
|
||
## 📘 文档
|
||
|
||
常见问题排查:[常见问题排查](./docs/QA.md)
|
||
|
||
详细接口说明请参考:[API 文档](./docs/api/README.md)
|
||
|
||
产品规划与计划:[路线图 (Roadmap)](./docs/ROADMAP.md)
|
||
|
||
## 🧭 开发指南
|
||
|
||
### ⚡ 快速开发模式(推荐)
|
||
|
||
如果你需要频繁修改代码,**不需要每次重新构建 Docker 镜像**!使用快速开发模式:
|
||
|
||
```bash
|
||
# 启动基础设施
|
||
make dev-start
|
||
|
||
# 启动后端(新终端)
|
||
make dev-app
|
||
|
||
# 启动前端(新终端)
|
||
make dev-frontend
|
||
```
|
||
|
||
**开发优势:**
|
||
|
||
- ✅ 前端修改自动热重载(无需重启)
|
||
- ✅ 后端修改快速重启(5-10秒,支持 Air 热重载)
|
||
- ✅ 无需重新构建 Docker 镜像
|
||
- ✅ 支持 IDE 断点调试
|
||
|
||
**详细文档:** [开发环境快速入门](./docs/开发指南.md)
|
||
|
||
### 📁 项目目录结构
|
||
|
||
```
|
||
WeKnora/
|
||
├── client/ # go客户端
|
||
├── cmd/ # 应用入口
|
||
├── config/ # 配置文件
|
||
├── docker/ # docker 镜像文件
|
||
├── docreader/ # 文档解析项目
|
||
├── docs/ # 项目文档
|
||
├── frontend/ # 前端项目
|
||
├── internal/ # 核心业务逻辑
|
||
├── mcp-server/ # MCP服务器
|
||
├── migrations/ # 数据库迁移脚本
|
||
└── scripts/ # 启动与工具脚本
|
||
```
|
||
|
||
## 🤝 贡献指南
|
||
|
||
我们欢迎社区用户参与贡献!如有建议、Bug 或新功能需求,请通过 [Issue](https://github.com/Tencent/WeKnora/issues) 提出,或直接提交 Pull Request。
|
||
|
||
### 🎯 贡献方式
|
||
|
||
- 🐛 **Bug修复**: 发现并修复系统缺陷
|
||
- ✨ **新功能**: 提出并实现新特性
|
||
- 📚 **文档改进**: 完善项目文档
|
||
- 🧪 **测试用例**: 编写单元测试和集成测试
|
||
- 🎨 **UI/UX优化**: 改进用户界面和体验
|
||
|
||
### 📋 贡献流程
|
||
|
||
1. **Fork项目** 到你的GitHub账户
|
||
2. **创建特性分支** `git checkout -b feature/amazing-feature`
|
||
3. **提交更改** `git commit -m 'Add amazing feature'`
|
||
4. **推送分支** `git push origin feature/amazing-feature`
|
||
5. **创建Pull Request** 并详细描述变更内容
|
||
|
||
### 🎨 代码规范
|
||
|
||
- 遵循 [Go Code Review Comments](https://github.com/golang/go/wiki/CodeReviewComments)
|
||
- 使用 `gofmt` 格式化代码
|
||
- 添加必要的单元测试
|
||
- 更新相关文档
|
||
|
||
### 📝 提交规范
|
||
|
||
使用 [Conventional Commits](https://www.conventionalcommits.org/) 规范:
|
||
|
||
```
|
||
feat: 添加文档批量上传功能
|
||
fix: 修复向量检索精度问题
|
||
docs: 更新API文档
|
||
test: 添加检索引擎测试用例
|
||
refactor: 重构文档解析模块
|
||
```
|
||
|
||
## 🔒 安全声明
|
||
|
||
**重要提示:** 从 v0.1.3 版本开始,WeKnora 提供了登录鉴权功能,以增强系统安全性。在生产环境部署时,我们强烈建议:
|
||
|
||
- 将 WeKnora 服务部署在内网/私有网络环境中,而非公网环境
|
||
- 避免将服务直接暴露在公网上,以防止重要信息泄露风险
|
||
- 为部署环境配置适当的防火墙规则和访问控制
|
||
- 定期更新到最新版本以获取安全补丁和改进
|
||
|
||
## 👥 贡献者
|
||
|
||
感谢以下优秀的贡献者们:
|
||
|
||
[](https://github.com/Tencent/WeKnora/graphs/contributors)
|
||
|
||
## 📄 许可证
|
||
|
||
本项目基于 [MIT](./LICENSE) 协议发布。
|
||
你可以自由使用、修改和分发本项目代码,但需保留原始版权声明。
|
||
|
||
## 📈 项目统计
|
||
|
||
<a href="https://www.star-history.com/#Tencent/WeKnora&type=date&legend=top-left">
|
||
<picture>
|
||
<source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=Tencent/WeKnora&type=date&theme=dark&legend=top-left" />
|
||
<source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=Tencent/WeKnora&type=date&legend=top-left" />
|
||
<img alt="Star History Chart" src="https://api.star-history.com/svg?repos=Tencent/WeKnora&type=date&legend=top-left" />
|
||
</picture>
|
||
</a>
|
||
|