Star 5k! PandaWiki，一个超级AI知识库

“凌晨2点，张三还在手忙脚乱地翻找三年前的客户需求文档。

直到遇见PandaWiki——这个用AI大模型驱动的知识库系统，彻底改变了他和团队的工作方式...”

作为创业公司的技术主管，张三每天被各种文档淹没：

• 产品文档散落在5个平台
• 新同事总问重复问题
• 客户反馈沉没在聊天记录里

某天在GitHub闲逛时，这个项目PandaWiki吸引了他：

白小羽“像搭积木一样构建智能知识库？AI自动整理文档？一键生成问答机器人？” 抱着试试心态，他点下了Star⭐️

PandaWiki截图

PandaWiki截图

看到了官方的描述：PandaWiki 是一款 AI 大模型驱动的开源知识库搭建系统，帮助你快速构建智能化的 产品文档、技术文档、FAQ、博客系统，借助大模型的力量为你提供 AI 创作、AI 问答、AI 搜索等能力，来自大厂长亭科技的开源项目。他惊奇的发现，这个项目才发布不到两个月，就有了5k+star

img

🛠 怎么搭建？

张三在Linux服务器复制了这行魔法命令（悄悄告诉你一句，他的docker版本是Docker 20.x以上）张三作为产品经理，他特别关注工具的部署和推广难度。PandaWiki在这方面表现出色，不愧是长亭科技出品，和同款产品雷池waf一样，仅需一条命令即可直接安装！！！

bash -c "$(curl -fsSLk https://release.baizhi.cloud/panda-wiki/manager.sh)"

image-20250806133750111

💡 真实体验：

白小羽“原本以为要折腾半天，结果喝杯咖啡的功夫就装好了！安装脚本连网络波动都自动重试，对小白太友好了。”

上一步之后，张三神奇的发现终端出现了如下东西

SUCCESS  控制台信息:
SUCCESS    访问地址(内网): http://*.*.*.*:2443
SUCCESS    访问地址(外网): http://*.*.*.*:2443
SUCCESS    用户名: admin
SUCCESS    密码: **********************

他登录后系统提示配置AI模型：

image-20250806125342943

张三用deepseek（注册送10元额度)接入了AI：

白小羽“原来给文档装AI这么简单！不用写代码，选个服务商填个密钥就行”

新建知识库时，张三震惊了，发现各大模型的厂商API都是支持的像DeepSeek、腾讯、阿里、OpenAI、KIMI等：

这里张三打开了他那智障deepseek的api开放平台

img

张三打开官网，deepseek.com，获取apikey，发现了自己忘记了API密匙，聪明的他又重新创建了一个

image-20250806134315726

pandawiki，输入刚刚获取的apikey，选择模型名称

image-20250806152040323

点击“创建知识库”，设置名称和访问域名

image-20250806154356028

这里就出现了你的门户站点啦（前端给用户看的）

image-20250806154456108

发现了没有东西呀，原来是忘了添加自己的知识库

image-20250806160331955

我们需要返回那个2323端口的后台管理界面，有一个黑色的框框创建文档，这么多我什么都没有怎么办？之后他偷偷的找到了github上的很多开源项目，有很多的README.md，一个一个添加到你这里就好啦

image-20250806162152122

上传自己的知识库

image-20250806160216412

导入成功后，就点击去发布，几秒钟就能生成一个专属的Wiki站点！

image-20250806163750542

PandaWiki 是一款非常出色的开源知识库系统，它精准地抓住了当前“知识管理 + AI”的核心趋势。使用AI直接搜索所有文档中的内容，这样就不需要一个一个打开ctrl + F了

image-20250806202447824

它最大的魅力在于，将强大的AI能力、现代化的编辑器、便捷的安装部署和开放的集成能力完美地结合在了一起。对于中小团队和个人开发者而言，PandaWiki无疑是一个能够“低成本、高效率”搭建智能化知识管理平台的绝佳选择。它不仅仅是一个工具，更像是一个能与你共同成长的“知识伙伴”。

站点工具？

这个wiki自带站点统计工具，就不需要使用其他的应用程序来进行统计了，本身内存就不是很大的云服务器们有福了

image-20250806211333237

既然有AI问答，那么会话是不是也能管理呢？张某打开后台。。。。。。震惊！

image-20250806211552771

张某又好奇的打开了设置，发现了深色模式！这对于经常熬夜、眼睛近视888度的他来讲，简直就是天堂

image-20250806211852033

image-20250806211801262

还有一个小功能，版本管理。。对于需要经常修改某一个知识库的笔者来讲，这无疑是一个特别重要的功能，赶紧去点一个star！

image-20250806212541381

这些机器人。。。。。。。太多了太多了

image-20250806212115276

张某又仔细分析了一下，这个wiki与传统的wiki进行了对比，得出了一个问题！！！

为什么传统的wiki工具正在”过时“？

在张某管理的多个产品团队中，知识管理一直是个老大难问题。传统的Wiki工具虽然解决了信息存储的问题，但在信息检索和知识传承上始终存在痛点：

检索效率低下：关键词搜索往往无法精准匹配用户的真实需求，团队成员花费大量时间在"找资料"上。

知识孤岛严重：不同部门的文档分散存储，缺乏有效的关联和整合机制。

内容维护成本高：文档更新不及时，过期信息泛滥，维护工作量巨大。

新人上手困难：面对海量文档，新成员很难快速获取关键信息。

img

PandaWiki作为一款AI大模型驱动的开源知识库搭建系统，通过AI创作、AI问答、AI搜索等能力，从根本上重新定义了知识管理的交互模式。

在传统的产品文档撰写流程中，从需求分析到文档成稿，往往需要大量时间投入。PandaWiki的AI创作助手能够：

• 自动生成文档结构：输入关键词，AI帮你搭建完整的文档框架
• 智能内容摘要：基于大模型能力，自动提取和总结核心信息
• 多格式支持：支持Markdown、Word、PDF等格式，满足不同场景需求

这对产品团队意味着什么？文档创建效率的显著提升，让团队成员有更多时间专注于核心业务逻辑。

传统搜索依赖精确的关键词匹配，但实际工作中，用户的表达方式往往多样化。PandaWiki的AI驱动搜索采用向量化检索技术，能够理解用户问题的语义含义，实现更加精准的信息匹配。

从产品体验角度看，这种搜索方式更接近人类的自然思维模式，大幅降低了使用门槛。

最让我印象深刻的是PandaWiki的智能问答功能。用户可以直接用自然语言提问，系统基于文档内容给出精准回答。这不仅仅是技术创新，更是交互方式的革命——从"人找信息"转变为"信息找人"。

对PandaWiki感兴趣的兄弟们，动动小手到项目主页上点个Star，然后动手尝试一下吧！

https://github.com/chaitin/PandaWiki