Was ist WeKnora?
WeKnora ist Tencents Open-Source-Framework, um die Dokumente eines Teams so aufzubereiten, dass Menschen und Agenten sie befragen können. Es bietet drei Modi über denselben Wissensdatenbanken: schnelle Fragen und Antworten mit hybrider Suche und Quellenangaben bis zur Originalpassage, einen Agentenmodus, der mehrstufige Arbeit mit Skills, MCP-Tools, Websuche und Code in einer Sandbox plant, und einen Wiki-Modus, der untereinander verlinkte Seiten mit einem Wissensgraphen schreibt.
Es verarbeitet mehr als zehn Formate, darunter PDF, Word, Excel, Bilder und XMind, und synchronisiert aus Feishu, Confluence, GitLab, Notion, Yuque, DingTalk Docs, Seafile und RSS. Antworten lassen sich in WeCom, Feishu, Slack und Telegram ausliefern, über ein einbettbares Widget oder per eingebautem MCP-Server an Cursor und Claude. Das Backend ist in Go geschrieben, mit austauschbaren Modellen (29 eingebaute Anbieter, Ollama inklusive), Vektorspeichern und Objektspeicher, und es wird mit Docker Compose, einem Helm-Chart oder einem einzelnen Lite-Binary auf SQLite betrieben.
Lohnt sich WeKnora?
WeKnora gehört zu den umfassendsten selbst gehosteten Wissensdatenbank-Apps, und es entwickelt sich schnell. Das Repository hat rund 37.400 GitHub-Sterne, brachte v0.9.0 am 29. Oktober 2026 nach v0.8.3 am 14. Oktober und v0.8.2 am 24. September und nahm am 9. November noch Fixes auf.
Seine Stärke ist, dass ein Satz Dokumente drei Aufgaben bedient. Schnelle Antworten zitieren die genaue Passage, der Agent kann suchen, Dokumente lesen, MCP-Tools aufrufen und Skills in Sandboxes von Docker, E2B oder Cube ausführen, und der Wiki-Modus baut einen durchsuchbaren Wissensgraphen mit Revisionsverlauf und Rücksetzen. Die Teamfunktionen sind weiter als bei den meisten Konkurrenten: Workspaces mit vier Rollen, Eigentum pro Ressource, ein Audit-Log pro Workspace, API-Keys mit begrenztem Geltungsbereich und MCP-Tokens pro Endpunkt mit Rate-Limits.
Die Sicherheitsbilanz sollte man vor dem Deployment lesen. GitHub führt für 2026 10 Sicherheitshinweise, alle von Januar bis März: drei kritische, die eine Befehlsinjektion über die stdio-Konfiguration von MCP und eine Umgehung per SQL-Injection im Datenbank-Abfragewerkzeug betreffen, jeweils mit Codeausführung, dazu ein schwerer Fehler in der Zugriffskontrolle zwischen Mandanten. Die README selbst rät, den Dienst vom öffentlichen Internet fernzuhalten. JWT_SECRET und SYSTEM_AES_KEY sind leer und müssen von dir gesetzt werden, die optionalen Profile für MinIO und Neo4j behalten ihre Standardpasswörter, solange du sie nicht änderst, und seit v0.8.2 laufen Sandbox-Befehle als root.
Der Haken: Gewicht und Ausrichtung. Der Standard-Stack mit Compose verlangt 4 CPU-Kerne und 8 GB Arbeitsspeicher, bevor überhaupt Gewichte lokaler Modelle dazukommen, weil der Dokumentenleser LibreOffice und Playwright mitbringt, und der Issue-Tracker zeigt rund 532 offene Issues. Viele Konnektoren und voreingestellte Modellanbieter (Feishu, DingTalk, Yuque, WeCom, Hunyuan, Qwen, Zhipu) richten sich an chinesische Arbeitsumgebungen; Slack, Notion und Confluence sind dabei, Google Drive und SharePoint stehen aber nicht auf der Liste in der README.
Unser Fazit: RAGFlow ist der nähere Konkurrent für reines Dokumenten-Parsing und Dify für allgemeine LLM-Apps; WeKnora hat seinen Platz, wenn du Antworten, einen Agenten und ein gepflegtes Wiki über denselben Dateien willst, mit Rollen und Audit-Logs, auf deinen eigenen Servern.
Wo es sich lohnt
Ein Team für interne Werkzeuge in einer Firma mit 500 Leuten, die Feishu nutzt
Fragen der Belegschaft aus Wiki und Richtliniendokumenten direkt in der Chat-App beantworten
Aktiviere die automatische Synchronisierung des Feishu-Wikis und den Feishu-Kanal und gib jeder Abteilung einen eigenen Workspace mit Viewer-Rollen. Kosten: ein Server mit mindestens 4 Kernen und 8 GB plus Aufrufe der Modell-API; dank Quellenangaben kann die Belegschaft den Ursprungsabsatz prüfen.
Ein Entwickler, dessen Team mit Cursor oder Claude programmiert
Den Coding-Agenten interne Designdokumente nachschlagen lassen
Leg einen MCP-Endpunkt im Workspace an, der auf die Engineering-Wissensdatenbank begrenzt ist und ein eigenes Token und Rate-Limit hat, und trag ihn per Streamable HTTP in die MCP-Konfiguration des Agenten ein.
Eine Beraterin, die eine private Recherchebibliothek auf dem Laptop will
Einige hundert PDFs ohne Cloud-Dienste durchsuchen und zusammenfassen
Betreib das einzelne Lite-Binary, das SQLite und eine Warteschlange im Arbeitsspeicher nutzt, mit Modellen über Ollama. Für Lite gibt es keine veröffentlichten Hardwareangaben, die Geschwindigkeit hängt also vom lokalen Modell ab.
Bevor du dich festlegst
- Einrichtung
- Repository klonen, .env.example nach .env kopieren, JWT_SECRET und einen 32-Byte-SYSTEM_AES_KEY eintragen, dann `docker compose up -d`; die Weboberfläche öffnet sich auf Port 80 mit einem Einrichtungsassistenten. Profile ergänzen Neo4j, MinIO oder Langfuse.
- Integrationen
- 29 Modellanbieter, darunter OpenAI, DeepSeek, Qwen, Zhipu, Hunyuan, Gemini, LiteLLM und Ollama; pgvector, Milvus, Qdrant, Weaviate, OpenSearch und weitere; Synchronisierung mit Feishu, Confluence, GitLab, Notion, Yuque, DingTalk Docs, Seafile und RSS; Kanäle für WeCom, Feishu, Slack und Telegram; ein eingebauter MCP-Server und eine CLI.
- Daten und Datenschutz
- Selbst gehostet: Dokumente, Vektoren und Dateien bleiben auf deinen Servern, Text geht nur an den Modellanbieter, den du einrichtest. Zugangsdaten werden mit AES-256-GCM verschlüsselt. Die Installationsdoku beschreibt keine Telemetrie. Die Hinweise von 2026 umfassen drei kritische Fehler mit Codeausführung; die meisten nennen behobene Versionen von 0.2.10 bis 0.3.2.
- Kosten im großen Maßstab
- Die Software ist kostenlos; Kosten sind Server (4 Kerne und 8 GB zum Start, mehr mit Milvus, OpenSearch oder Langfuse) plus Tokens der Modell-API für Antworten, Agentenläufe und Wiki-Erstellung.
- Grenzen
- Rund 532 offene Issues; das Helm-Chart begrenzt Uploads standardmäßig auf 50 MB; die Desktop-App hat keinen veröffentlichten Installer und muss aus dem Quellcode gebaut werden; Upgrades enthalten Datenbank-Migrationen, deren Hinweise man laut Release Notes vorher lesen soll.
Was gut ist
- RAG-Antworten, Agent und Wiki-Modus teilen sich dieselben Wissensdatenbanken
- Quellenangaben führen zur Originalpassage
- Workspace-RBAC mit vier Rollen, Audit-Log und begrenzten API-Keys
- Eingebauter MCP-Server und Chat-Kanäle für WeCom, Feishu, Slack und Telegram
Was nicht
- Drei kritische Sicherheitshinweise 2026, jeweils mit Codeausführung
- Standard-Stack braucht 4 Kerne und 8 GB vor lokalen Modellen
- Sandbox-Befehle laufen seit v0.8.2 als root
- Konnektoren sind auf chinesische Arbeitswerkzeuge ausgerichtet
Am besten für
Engineering-Teams in Firmen mit Feishu, WeCom oder Confluence, die eine selbst gehostete Wissensdatenbank mit Berechtigungen und einem Agenten obendrauf wollen.
Alternativen zu WeKnora
WeKnora: häufige Fragen
- Lohnt sich WeKnora?
- WeKnora packt RAG, einen Agenten und ein sich selbst schreibendes Wiki in eine selbst gehostete App mit echten Zugriffskontrollen, doch seine Sicherheitsbilanz 2026 und die Ausrichtung auf chinesische Arbeitswerkzeuge heißen: ins interne Netz damit, und nur mit Absicht. Wir bewerten es mit 3.9 von 5.
- Was kostet WeKnora?
- Kostenlos und Open Source (MIT, Komponenten Dritter unter eigenen Lizenzen); du bezahlst Server und Modell-APIs. Gehostete Optionen über WeChat Dialog Open Platform und Tencent Cloud Lighthouse; deren Preise stehen nicht in der Projektdokumentation.
- Welche Nachteile hat WeKnora?
- Drei kritische Sicherheitshinweise 2026, jeweils mit Codeausführung; Standard-Stack braucht 4 Kerne und 8 GB vor lokalen Modellen; Sandbox-Befehle laufen seit v0.8.2 als root; Konnektoren sind auf chinesische Arbeitswerkzeuge ausgerichtet.
- Für wen eignet sich WeKnora?
- Engineering-Teams in Firmen mit Feishu, WeCom oder Confluence, die eine selbst gehostete Wissensdatenbank mit Berechtigungen und einem Agenten obendrauf wollen.
- Was kostet WeKnora für ein Team oder im Produktivbetrieb?
- Die Software ist kostenlos; Kosten sind Server (4 Kerne und 8 GB zum Start, mehr mit Milvus, OpenSearch oder Langfuse) plus Tokens der Modell-API für Antworten, Agentenläufe und Wiki-Erstellung.
- Ist WeKnora sicher für Firmendaten?
- Selbst gehostet: Dokumente, Vektoren und Dateien bleiben auf deinen Servern, Text geht nur an den Modellanbieter, den du einrichtest. Zugangsdaten werden mit AES-256-GCM verschlüsselt. Die Installationsdoku beschreibt keine Telemetrie. Die Hinweise von 2026 umfassen drei kritische Fehler mit Codeausführung; die meisten nennen behobene Versionen von 0.2.10 bis 0.3.2.
- Was sind die besten Alternativen zu WeKnora?
- Die nächsten Alternativen, die wir getestet haben, sind RAGFlow, Dify, MaxKB und AnythingLLM.
Antworten geprüft am 13. Nov. 2026.