WorkBuddy的核心机制是“技能手册驱动API调用”，而不是传统意义上的“产品集成”。 先理清两个工具的角色。WorkBuddy是AI对话窗口，用户在这里提问、获得回答。它本身支持安装自定义“技能包”来扩展能力。WeKnora则是知识库系统，负责存储和检索文档，基于RAG机制将PDF、Word等文档结构化解析后建立语义索引。两者之间并没有现成的连接器，连接的本质是一份SKILL.md技能手册——把WeKnora的API调用方法写成约500行的bash命令模板。 当用户在对话中提到“查一下费用报销的规定”时，实际流程是这样的： WorkBuddy把SKILL.md加载到大模型上下文中 大模型“读懂”手册里的命令模板后，自己生成具体的bash命令，交给Bash工具执行 命令通过weknora_api.cjs调用WeKnora的REST API API返回JSON格式的检索结果，大模型读取后合成自然语言回答 SKILL.md是操作手册，weknora_api.cjs是工具刀，大模型是那个读手册、拿刀干活的人。 这套方案还设计了四通道智能检索适配器，让AI能从不同维度找到文档： RAG向量检索是主力通道，用户提问后通过向量相似度匹配找到最相关的文档片段 Wiki链接图谱解析文档之间的引用关系 知识图谱查询实体之间的关联，比如“销售部属于哪个事业部”这类问题可以一步直达 结构导航则能精确定位到文档的特定章节 路由逻辑不在脚本里，而在大模型的技能提示词中——它会根据问题类型自动选择走哪个通道。 从数据安全角度看，整套系统跑在一台普通台式机上。核心组件分为三层：WorkBuddy内置模型池、技能引擎和记忆系统；Docker部署WeKnora六容器栈；Ollama运行bge-m3嵌入模型和qwen3:8b，所有推理在本地完成。 关键原则是“双仓分离”——WeKnora存原始制度、合同、报告，工作笔记另存，绝不混用。所有数据不出本地，断网也能用。 理解这套技术原理后就能明白：WorkBuddy连接WeKnora并不是一个“开箱即用”的集成功能，而是通过技能手册让大模型自己学会了调用知识库API。这套方案让AI从“懂通用知识”变成了“懂你公司的制度”。

整套部署约30分钟，核心是“装WorkBuddy→部署WeKnora→配技能手册”三步。 准备工作 电脑要求：16GB以上内存，安装Docker Desktop。如果电脑配置不够或不想本地部署，也可以选择IMA云端方案——用浏览器就能用，约5分钟完成配置。 第一步：安装WorkBuddy 访问官网下载Windows版本安装包，双击安装即可。安装完成后启动，界面是一个对话框，和普通AI工具一样打字提问。 关键设置：打开设置，确认技能目录路径（通常为C:\Users\你的用户名.workbuddy\skills\），这个路径后面会用到。 第二步：部署WeKnora WeKnora是腾讯开源的知识库框架，支持Docker部署。本地部署的具体步骤： 下载WeKnora的docker-compose.yml文件，放入单独文件夹（如D:\WeKnora\） 打开命令行执行docker-compose up -d 等待镜像下载和容器启动（首次约5-10分钟） 启动成功后访问Web UI：http://localhost WeKnora启动后是一个六容器栈：app、frontend、docreader、postgres、redis、neo4j。 如果不想本地部署，WorkBuddy也可以直接连接IMA知识库作为替代方案。IMA知识库支持三种来源：上传文件、收藏网页、新建笔记。把公司制度、产品手册等文档上传后，AI就能随时调用。两者的核心区别在于数据位置——WeKnora全部在本地，IMA在云端。 第三步：配置技能手册 如果选择本地WeKnora方案，核心是编写一份SKILL.md技能手册。手册内容包括： WeKnora的API地址和调用方法 bash命令模板（用于调用weknora_api.cjs） 四通道检索的路由规则 写好后的SKILL.md放入技能目录。之后在对话中提到“本地知识库”，WorkBuddy会自动加载手册、生成命令、调用API、返回结果。 一个需要理解的事实是：WorkBuddy和WeKnora之间没有任何“连接器中间件”、没有持久API客户端、没有MCP Server。连接的本质是“大模型读手册后自己生成命令去调API”。

它能解决“AI懂通用知识但不懂你公司”的核心痛点——让AI从应届毕业生变成熟悉你所有资料的资深同事。 通用AI的局限 ChatGPT、Kimi、DeepSeek这些AI确实很强，但它们对你的行业、你的公司、你的项目一无所知。你跟它说“帮我查一下费用报销的规定”，它只能给一个通用回答——因为它不知道你们公司的报销制度是什么。 有了知识库之后 把公司制度、合同、报告、产品手册全部喂给WeKnora知识库之后，情况完全不同。没有知识库的AI像个应届毕业生，聪明但不知道你公司的事；有知识库的AI像个做了三年、熟悉你所有资料的资深同事。 这套方案能解决的实际场景 制度查询。 日常工作中涉及大量审计任务，每次查制度、翻合同、对数据底稿，四五十份文档来回切换，效率非常低。有了WeKnora后，直接在WorkBuddy里问“费用报销有什么规定”，AI从知识库里检索到相关制度原文，给出精准回答。 合同条款检索。 “我们2024年跟供应商签的那份合同，里面有违约金条款的那份”——用自然语言描述，AI就能精准定位。不是靠关键词匹配，而是靠语义理解。 跨文档关联分析。 通过四通道检索中的Wiki链接图谱和知识图谱，AI可以发现文档之间的引用关系和实体关联。比如“销售部在哪些合同中被提及”，AI可以通过图查询一步直达。 敏感数据安全处理。 金融、审计、法务等行业的制度文档和合同涉及大量敏感信息。WeKnora支持本地化部署，数据完全自主可控。所有数据存在本地，断网也能用。 部署这套方案的成本 硬件成本：一台普通台式机（i9+32G内存）即可 软件成本：WorkBuddy免费，WeKnora开源免费 时间成本：约30分钟首次部署 数据安全成本：为零——数据不出本地 WorkBuddy连接WeKnora这套方案的价值在于：把散落在四五十份制度、合同、报告里的企业知识，变成一个可以随时用自然语言提问的“企业专属AI”——而且所有数据都不出你的电脑，断网也能用。