微信开源知识库 WeKnora 上生产前，运维要过的四道关

WeKnora（微信刚开源的知识库 RAG 系统）上手很快，docker-compose 一把就能跑起来。但从「我本机能跑」到「敢放公司内网给同事用」，中间隔着几道坎。周末完整走了一遍，把生产化要过的四道关整理给同病相怜的运维同学。

第一道：资源关——解析服务是内存大户

默认 compose 配置在小机器上必翻车：文档解析服务会把大 PDF 整个读进内存。给解析服务显式加内存限制+调小批处理是第一步。我们的经验值：8G 机器稳跑 20 人内网规模，16G 可以放开并发。embedding 模型如果本机部署，再按模型大小加 2~4G 预算。

第二道：模型关——embedding 决定上限

默认模型配置是「能跑」档。中文企业文档场景，embedding 换中文优化版（bge 系）后召回质量立上一个台阶——这步零成本，只有十分钟配置，是所有调优里性价比最高的一步。LLM 侧按公司合规要求选：内网私有化部署 or 走内部 API 网关。

第三道：数据关——入库质量决定一切

表格 PDF 直接解析出来是碎片，双栏论文更惨。入库前统一预处理：表格转 Markdown、扫描件过 OCR、按文档类型分块（手册按标题层级、FAQ 按问答对、长文按语义段）。检索效果差的问题，八成根因在入库而不是检索参数——这个认知能帮你省掉大半无谓的调参时间。

第四道：运营关——没有反馈闭环的 RAG 都是 demo

上生产最容易被忽略的：用户点了「没找到答案」的 query 要落日志。每周看一次这些坏例，要么补文档、要么调分块——知识库是养出来的，不是建完就完的。WeKnora 自带的对话日志导出够用，配个 cron 周报就能转起来。

结语

四道关过了，WeKnora 在内网环境就是个能打的生产级知识问答。私有化部署的价值不只是数据不出门——外文技术文档灌进去配翻译工具，整个资料库变成中文可问答的，这个组合技我们实测很香。