Tencent/WeKnora

무엇을 해결하는가

WeKnora는 흩어져 있는 가공되지 않은 문서들을 쿼리 가능하고, 추론 능력을 갖추며, 진화하는 지식 자산으로 변환하도록 설계된 엔터프라이즈급 지식 프레임워크입니다. 이 프레임워크는 시맨틱 검색(RAG), 자율 에이전트 추론, 그리고 자가 유지 관리형 위키 시스템을 결합하여 정보의 파편화 문제를 해결하며, 지식이 단순히 저장되는 것에 그치지 않고 능동적으로 조직화되고 접근 가능하도록 보장합니다.

작동 방식

시스템은 세 가지 주요 모드를 통해 작동합니다:

1. RAG 기반 빠른 Q&A: 시맨틱 검색을 사용하여 업로드된 지식 베이스로부터 빠른 답변을 제공합니다.
2. ReAct 에이전트: 검색, 웹 검색 및 외부 도구(MCP를 통해)를 조율하여 복잡하고 다단계인 작업을 처리하는 자율 에이전트입니다.
3. Wiki 모드: 에이전트가 가공되지 않은 문서를 구조화되고 상호 연결된 Markdown 지식 베이스로 정제하며, 대화형 지식 그래프를 특징으로 합니다.

이 시스템은 다중 소스 수집(예: Notion, GitLab, Feishu)을 지원하며, 다양한 문서 형식(PDF, Word, XMind 등)을 처리하고, 필요에 따라 LLM, 벡터 데이터베이스, 스토리지 백엔드를 교체할 수 있는 모듈형 아키텍처를 활용합니다.

대상 사용자

대량의 내부 문서를 관리해야 하며, 강력한 접근 제어(RBAC) 및 관찰 가능성을 갖춘 셀프 호스팅 가능한 보안 지식 시스템을 배포하고자 하는 기업 및 조직을 위해 구축되었습니다.

주요 특징

• 자율 위키 생성: 가공되지 않은 문서를 버전 기록 및 롤백 기능이 있는 구조화되고 상호 연결된 위키로 자동 변환합니다.
• Skill Sandboxing: 보안을 위해 격리된 계산을 수행할 수 있도록 세션 지속형 Docker, E2B 또는 Cube 샌드박스에서 도구를 실행합니다.
• 고급 지식 큐레이션: 업로드를 위한 트리 구조 폴더 뷰와 수정 이력이 포함된 검색 청크(retrieval chunks)의 직접 편집 기능을 제공합니다.
• 장기 기억: 사용자 프로필, 선호도 및 사실에 대한 세션 간 메모리를 유지합니다.
• 광범위한 통합: 20개 이상의 LLM 제공업체, 다양한 벡터 데이터베이스 및 Slack, Telegram, WeCom과 같은 다양한 IM 채널을 지원합니다.