企业级 LLM 知识平台
MatchaKnow
让文档变成「活知识」
把散落的企业文档转化为可查询、可推理、可自演进的知识资产。
私有化多源接入模型抽象RAG + Agent + Wiki
三种知识形态
RAG 管「查」，Agent 管「做」，Wiki 管「沉淀」
管「查」
RAG 快速问答
文档解析 → 索引 → 检索 → 生成
- 混合检索
- RRF 融合排序
- Rerank 精排
- 原文引用溯源
- 分块可编辑回滚
日常查找 · 客服 · 制度查询
管「做」
ReAct Agent
自主多步推理与工具调用
- MCP 工具接入
- 沙箱代码执行
- Web 搜索
- Skill 技能目录
- 长期记忆
复杂分析 · 多源整合 · 自动化
管「沉淀」
Wiki 模式
覆盖自生成互链 Markdown 知识库
- 自动互链
- 修订历史
- 一键回滚
- 知识图谱 GraphRAG
知识沉淀 · 自演进知识库
为什么需要 MatchaKnow
- 企业文档散落、非结构化，难检索、难复用
- 通用 LLM 容易幻觉，缺少原文引用
- 数据不能出域，私有化与权限要求高
- 单一 RAG 不够，复杂任务需要 Agent
- 多工具拼接成本高，缺少开箱即用平台
差异在哪
DifyLLM 应用编排 / 工作流
强在可视化编排，知识库只是能力之一
FastGPT快速搭建知识库问答
轻量易用，企业级 Agent / Wiki 较弱
RAGFlow深度文档解析 + RAG
强在解析与检索，Agent / Wiki 非核心
LangChain / LlamaIndex开发框架 / 库
不是开箱即用平台，需自行集成
MatchaKnow · 企业级知识平台
RAG + Agent + Wiki 三形态，多源接入、模型抽象、私有化、多租户
端到端流程 · 多源接入与模型生态
01
文档入库
多源接入解析 / OCR分块嵌入索引
02
RAG 问答
混合检索RRF 融合RerankLLM 生成引用溯源
03
Agent 循环
思考行动观察再思考输出
04
Wiki 生成
原始文档生成互链 MD可编辑可回滚
多源数据接入
飞书GitLabNotion语雀RSS腾讯 IMA
模型生态（20+，统一抽象层）
OpenAIDeepSeekQwen混元GeminiOllama
支持本地 / 私有云模型
IM 接入渠道
企业微信飞书SlackTelegram
全链路可观测性（Langfuse）
5 步上手演示
- 1创建知识库：文档库 / FAQ 库
- 2上传或同步文档：PDF、Word、网页、外部数据源
- 3RAG 问答：查看原文引用与检索效果
- 4切换 ReAct Agent：执行多步任务、调用工具、沙箱分析
- 5生成 Wiki：查看自动互链、修订历史与回滚
最佳实践
按场景选模式
查得快用 RAG，任务复杂用 Agent，长期沉淀用 Wiki
分块与元数据决定上限
颗粒度与元数据质量是检索效果的地基
混合检索 + Rerank
多路召回再精排，显著提升命中率
模型按需路由
按成本 / 效果 / 合规灵活选模型
权限与审计优先
私有化、权限、审计从第一天就规划