- 综合排序
- 最热优先
- 最新优先
- 来自专栏qKnow知识平台
qKnow 知识平台【开源版】安装与部署全指南
本文详细介绍 qKnow 知识平台开源版的安装与部署流程，涵盖环境准备、代码结构、数据库配置、DeepKE 知识抽取工具设置、以及前后端启动步骤。 用途说明 ☕ JDK ≥ 1.81.8 运行后端服务 MySQL ≥ 5.75.7 关系型数据库 Neo4j 4.x 4.4.40图数据库，用于知识图谱存储 # 安全认证模块│ ├─ qknow-websocket # WebSocket 实时通信模块├─ qknow-module-app/ # 知识应用模块├─ qknow-module-dm / # 数据管理模块├─ qknow-module-ext/ # 知识抽取模块├─ qknow-module-kmc/ # 知识中心模块├─ qknow-module-system : /qknow五、知识抽取工具配置（DeepKE）开源版采用 DeepKE-cnSchema 作为知识抽取引擎。
28910编辑于 2025-10-22 - 来自专栏qKnow知识平台
qKnow 知识平台【开源版】发布 1.0.0 版本，全面落地知识管理与智能抽取能力
2025 年 8 月 18 日，qKnow 知识平台 正式发布首个稳定版本 qKnow 1.0.0。 作为一款以 知识图谱 为核心的开源企业级知识平台，本次发布标志着知识管理与智能抽取能力的全面落地，为企业知识智能化管理与 AI 融合应用提供了坚实支撑。 qKnow 1.0.0 聚焦于 知识全生命周期管理 的核心功能建设，集成先进的知识抽取技术与直观的可视化探索能力，致力于打造企业级知识中枢，帮助用户构建语义明确、动态演化的知识图谱体系。 ⚙️ 系统管理：涵盖系统配置、用户权限、运行监控、日志审计与资源监控，保障平台稳定安全。 特别说明作为首个正式发布版本，qKnow 1.0.0 奠定了平台的核心架构与功能体系。 未来，qKnow 将持续迭代，进一步增强知识抽取、融合、推理等能力，推动企业知识管理与 AI 应用的深度融合。
42842编辑于 2025-09-06 - 来自专栏qKnow知识平台
qKnow 知识平台核心能力解析｜第 02 期：非结构化抽取能力全景
本期《qKnow知识平台核心能力解析》，我们将聚焦非结构化抽取能力，带你系统了解：qKnow是如何借助大模型技术，将“看得懂的文档”，转化为“用得上的知识图谱”的。一、什么是非结构化抽取？ 在qKnow中，非结构化抽取并不是“简单的信息识别”，而是：以图谱模型为约束以业务语义为导向以可追溯、可校验、可发布为目标为后续的知识图谱构建、智能问答、知识检索、推理分析等上层应用，持续提供高质量、可信任的知识供给 qKnow支持非结构化抽取任务的全流程精细化配置：自定义抽取任务名称，便于管理与追溯按需选择本次参与抽取的知识文件精准绑定图谱模型中的概念与关系明确抽取范围，避免无效、冗余或偏离业务语义的结果通过模型约束 qKnow将抽取结果以图谱可视化形式进行集中呈现：实体、关系一目了然支持人工审查与一键修改快速修正个别偏差，避免整体返工更重要的是，系统支持实体溯源能力：可查看每条知识对应的原始文本分段精准定位来源文件确保每一条知识 下期预告下一期《qKnow知识平台核心能力解析》，我们将带来更偏技术向的深度内容：《基于DeepKE，如何进行非结构化抽取》从底层框架、能力选型到工程实践，带你深入理解qKnow非结构化抽取背后的技术实现逻辑
6510编辑于 2026-01-23 - 来自专栏qKnow知识平台
qKnow知识平台教育版助力教学与科研创新——让知识图谱与 AI 教育更可及
为了让这些技术更易于学习与使用，qKnow团队推出了知识平台教育版——面向学生、教师和教育机构的专属版本，帮助大家更轻松地开展知识图谱与AI实践教学与研究。 简介qKnow知识平台教育版面向教育场景，提供知识图谱构建、智能检索、RAG应用开发等核心能力，帮助师生在教学、科研与创新项目中高效使用AI技术。 无论是课堂实验、论文研究，还是创新实践课程，qKnow都能成为智能知识管理与学习的基础平台。 教育应用价值对学生通过qKnow平台，可以更直观地理解知识图谱与AI的核心原理，快速开展实验、报告或科研性项目，提升数据与知识建模能力。 结语qKnow知识平台教育版的推出，是推动知识图谱与AI技术走进课堂、实验室与科研实践的重要一步。我们希望通过这一版本，降低教育与科研的技术门槛，让更多师生能够探索、学习并创造属于自己的智能知识系统。
26131编辑于 2025-11-07 - 来自专栏qKnow知识平台
qKnow知识平台完整功能清单｜开源版 vs 商业版全景解析，打造企业智能知识中枢
从知识抽取到图谱构建，从智能问答到AI写作。qKnow 知识平台商业版 已经梳理出 8 大核心功能模块、30+ 项关键能力，覆盖知识构建、治理、应用与 AI 融合的全链路。 这篇文章，将带你快速洞察 qKnow 的能力全景。 核心定位：不止是知识图谱，更是 AI 原生的知识底座qKnow 以 知识图谱 为核心，但我们的目标从未止步于“可视化查关系”。 与图谱互补：结合三元组存储与语义索引，实现结构化与非结构化知识的统一管理。应用支撑：为 智能问答、写作、推荐 提供坚实底座。 知识库与知识图谱并行，是 qKnow 的 双核心引擎。3. 我们发布 qKnow 知识平台商业版完整功能清单表格，详细列出每一项能力的状态、适用场景与技术细节。无论你是 技术选型者、架构师，还是对知识智能感兴趣的开发者，这份清单都值得收藏。 它允许用户将自行在 Dify 等低代码 AI 工作流平台构建的智能化流程，无缝接入 qKnow，实现“一次构建，多端调用，动态协同”的智能应用新模式。
57221编辑于 2025-09-20 - 来自专栏qKnow知识平台
知识图谱产品如何实现自然语言查询？深入解析 qKnow 知识平台商业版 2.1.0
在2.1.0版本中，我们重新设计了知识检索、图谱可视化和底层数据库适配框架。新增语义检索引擎、多布局图谱渲染、时序视图、图谱概览与丰富的知识管理能力，使qKnow具备更高的扩展性和更强的智能检索表现。 qKnow知识平台商业版2.1.0正是针对这些高频痛点进行的一次系统级进化。本次更新的核心能力1️⃣全面升级的知识管理能力事件管理：让知识按时间“讲故事”在新版中，事件成为一级知识对象。 ➕智能推荐对用户问题进行语义扩展后，给出：相关知识片段推荐问答高相似问题5️⃣适配ArangoDB，配置级切换图数据库qKnow2.1.0引入通用图数据库抽象层，可以：使用Neo4j使用ArangoDB ——批量、精确、实体、关系、意图检索全覆盖怎么看得清就怎么摆——多布局、多视图任意切换事件时间线可视化——将事件按时序组织并自动关联实体图数据库可一键切换——Neo4j↔ArangoDB无缝衔接✨结语qKnow2.1.0 从管理知识，到理解知识，再到真正让知识参与业务分析和决策，我们正在迈出坚实的一步。欢迎体验新版，也欢迎向我们反馈使用体验与建议。
18110编辑于 2025-12-11 - 来自专栏qKnow知识平台
qKnow 知识平台核心能力解析｜第 01 期：知识图谱怎么建才不乱？先把图谱模型设计清楚
在qKnow知识平台中，我们始终坚持一个原则：没有模型的知识，就像没有骨架的身体——信息再多，也无法形成真正可用的“智能”。 本期内容，我们将以实际操作为线索，带你系统了解：在qKnow中，如何从业务目标出发，构建一个高质量、可持续演进的图谱模型，为后续的结构化抽取、智能问答与推理分析打下坚实基础。一、什么是图谱模型？ 在qKnow知识平台中，这三个问题分别对应了三类核心配置能力：概念配置：定义“有什么”属性配置：定义“长什么样”关系配置：定义“彼此如何连接”只有先把这套“骨架”设计清楚，后续的知识抽取、存储和应用，才能有序展开 三、新增图谱模型在明确构建目标后，即可在qKnow中新增图谱模型。 只有先把这张“骨架”搭建好：结构化抽取才能更精准非结构化抽取才能更稳定智能问答和推理分析才能真正可用在qKnow中，图谱模型不仅是一种配置能力，更是一种帮助企业把知识“想清楚、搭清楚、用起来”的方法论。
10500编辑于 2026-01-19 - 来自专栏qKnow知识平台
全面进化，智启新篇｜qKnow 知识平台商业版 2.0 正式发布：打造企业级“图谱 + 向量”双引擎智能知识中枢
2025年10月31日，千桐科技正式发布 qKnow 知识平台商业版 2.0。 平台简介qKnow 知识平台 是一款以知识图谱为核心、融合向量知识库的开源企业级智能知识平台，致力于构建“结构化 + 非结构化”一体化的知识中枢。 平台深度融合知识工程与大模型技术，集成了知识抽取、知识融合、知识推理等核心能力，支持从结构化数据库与非结构化文档中高效提炼知识，帮助企业构建语义清晰、动态演进、可追溯、可管控的智能知识体系。 面向未来的知识智能平台qKnow 2.0 不仅是一款知识图谱平台，更是一个驱动企业知识智能化的“新操作系统”。 即刻体验 qKnow 2.0qKnow 商业版 2.0 已全面开放试用！无论您希望构建企业知识中枢、打造智能客服底座，还是实现文档自动生成与智能审查，qKnow 都将为您提供坚实、可扩展的支撑。
482107编辑于 2025-11-01 - 来自专栏qKnow知识平台
qKnow 知识平台商业版 v2.6.1 正式发布：移除对第三方 LLM 应用框架的依赖，一次真正走向自主可控的里程碑升级
不是一个Demo，而是要长期服务企业与行业的知识平台。 一、知识库能力全面剔除第三方框架依赖1️⃣本地化向量数据库：引入Weaviate在qKnow知识平台商业版v2.6.1中，我们完成了向量检索能力的自主化重构：本地搭建Weaviate向量数据库文档上传后进行拆分 “拼装结果”，而是围绕qKnow自身知识体系与业务场景深度优化的原生能力。 它的意义在于：打牢长期演进的技术底座满足政企与行业场景对自主可控的核心要求为后续更复杂的知识推理、智能体、行业模型奠定基础从这一版本开始，qKnow不再依赖外部框架“替我们思考”，而是真正成为一个可以持续生长的知识与智能平台 如果你关心的是：企业级知识库如何真正落地大模型如何与业务深度结合AI系统如何长期可控、可演进那么，qKnow知识平台商业版v2.6.1，是一个值得关注的起点。欢迎体验，也欢迎交流。
8000编辑于 2026-02-02 - 来自专栏qKnow知识平台
qKnow 知识平台商业版 v2.1.1 正式发布：聚焦图谱问答、抽取可观测性与体验优化
我们很高兴地宣布，qKnow知识平台商业版v2.1.1已正式发布。 本次更新围绕知识图谱与语义检索能力的深度增强、抽取任务全流程可观测性提升以及系统体验与性能的全面优化三大方向展开，旨在为用户提供更稳定、高效、一致的知识管理与智能问答体验。 更重要的是，本次版本引入了图谱问答（GraphRAG）能力：用户可在问答时选择指定的知识图谱作为回答依据；支持同时调用知识图谱与知识库进行联合问答，进一步提升答案的准确性与权威性。 UI/UX方面也进行了统一规范：登录页全面焕新，Banner强化视觉焦点，Slogan更新为“qKnow知识平台”，验证码与系统文案样式同步优化；首页对接真实数据，修复公告显示Bug，并新增新用户引导流程 我们期待这一版本能更好地支撑企业在知识治理、智能服务与决策支持等方面的深入应用。
13110编辑于 2025-12-29 - 来自专栏qKnow知识平台
知识图谱平台 qKnow 开源版 v1.0.3 重磅更新：支持 Docker Compose 一键部署，聚焦稳定性提升
qKnow知识平台开源版v1.0.3作为首个正式版本后的重要迭代版本，聚焦系统稳定性提升、部署体验优化与关键问题修复。 在保持核心知识管理能力的基础上，我们进一步打磨产品细节，优化开发与使用体验，为用户提供更加流畅、可靠的平台服务。 通过标准化的容器编排配置，开发者和运维人员能够快速启动完整的qKnow平台，显著提升部署效率。️ qKnow知识平台开源版v1.0.3的发布是我们持续打磨产品、深入贴近用户需求的重要里程碑。 未来，我们将继续致力于知识抽取精度提升、图谱推理能力增强与多源数据融合等核心方向的研发，打造更加智能、开放的企业级知识中枢。立即升级，体验更稳定、更便捷的qKnow知识平台！
19821编辑于 2025-11-14 - 来自专栏全栈程序员必看
知识库 平台_平台开发
入园这么些天了，今天搭建了一套知识库系统，使用效果还不错，分享一些过程经验。 搭建准备： 软件系统：WCP4.3免费版 （免费开源，支持Windows，使用简单，有傻瓜式一键安装包-win平台) 服务器：WINSERVER2012R2 （公司一台
1.6K30编辑于 2022-09-20 - 来自专栏qKnow知识平台
彻底解决 x86/ARM 双构建烦恼：Maven + Docker Buildx 的自动化镜像体系落地经验
我们在qData数据中台、qKnow知识平台等产品的交付体系中也长期遇到类似困扰。 6.自动生成多架构manifest，用户拉镜像无需关心平台构建中自动生成manifest：展开代码语言：TXTAI代码解释dockermanifestcreate...最终用户执行：展开代码语言：TXTAI 三、落地成效：已在多个产品全面使用这套体系目前已全面应用于：qData数据中台qKnow知识平台qModel算法模型平台qThing物联网平台交付效率提升超过200%，从“人工打包+多人协作+易错”变为 的一体化设计，我们实现了：x86/ARM一次构建加密流程自动化构建&推送流水线固化统一版本号管理多产品、多环境可复用Dockermanifest自动生成更稳定、更快速的交付体系目前这套方案已在公司内部多个平台稳定运行
34721编辑于 2025-12-03 AI 大模型知识管理平台：让企业知识“活”起来
基于 AI 大模型的知识管理平台正彻底改变这一现状，让知识真正流动起来，成为驱动企业创新的活水源头。图片什么是 AI 大模型知识管理平台？ 与传统知识库仅支持关键词搜索不同，AI 知识管理平台具备深度语义理解能力。 研发知识沉淀：对于技术型企业，研发过程中的经验和知识尤为宝贵。AI 知识管理平台可以自动整合技术文档、项目报告等资料，形成可随时查询的知识体系。 百度智能云的甄知平台支持对话式问答和阅读，将传统被动式的搜索知识转变为主动获取知识。技术选型考量：如何选择适合的平台？ 未来展望：从工具到生态的演进随着技术发展，AI 知识管理平台正从单一工具向生态化、智能化方向演进。未来，这些平台将更加注重知识自驱和智能推荐，实现从“人找知识”到“知识找人”的彻底转变。
31210编辑于 2025-10-11- 来自专栏技术小白的奇思妙想
【玩转腾讯云】搭建知识分享平台
MM-Wiki 一个轻量级的企业知识分享与团队协同软件，可用于快速构建企业 Wiki 和团队知识分享平台。 部署方便，使用简单，帮助团队构建一个信息共享、文档管理的协作环境。 github地址 下载地址 特点 部署方便，基于 golang 编写，只需要下载对于平台下二进制文件执行即可。 快速安装程序, 提供方便的安装界面程序，无需任何手动操作。 支持文档全文搜索 效果 安装方法 Linux 平台 # 创建目录 $ mkdir mm_wiki $ cd mm_wiki # 以 linux amd64 为例，下载最新版本压缩包 # https Windows 平台 # 以 windows amd64 为例，下载最新版本压缩包 # https://github.com/phachon/mm-wiki/releases 自行下载 # 手动解压到当前目录
5.7K102发布于 2020-04-15 - 来自专栏灵墨AI探索室
入门Dify平台：知识库分析
今天，我们来简单了解一下 Dify 的知识库功能。其实，它并没有想象中那么复杂或难以操作。无论是 Dify 还是其他类似平台，都已经将知识库的功能封装得非常完善。 知识库知识库主要用于存储和管理各类业务问答、操作逻辑，甚至是公司内部的私密资料等内容。那么，如何将这些信息保存到知识库中呢？具体操作可参考下图所示的步骤：它支持多种文件格式，基本涵盖了我们的使用场景。 如图所示：测试当然，如果始终依赖大模型来测试知识库的准确性，成本将会相当高昂。此外，知识库本身也提供了专门的检索测试功能。 如图所示：若用户的问题未能匹配到相应的知识库片段，可在此处直接查看原因，并据此对知识库内容进行优化和调整。使用知识库可广泛应用于Agent、工作流以及ChatFlow等场景。 小结知识库的基本概念就为大家介绍到这里。简而言之，它就像是为大模型配备了一个“记事本”，当遇到不确定的问题时，模型会参考你提前提供的内容，并结合这些信息来更好地解答用户的疑问。
2.4K10编辑于 2025-03-21 - 来自专栏APP源码开发
语音聊天源码平台开发小知识
现如今的社交平台中，语音聊天室仍然占据着一席之地，例如语音电台，主播可以在直播间中与给听众讲故事、唱歌，观众也可以申请上麦，与主播聊天互动。 主要实现的功能就是语音连麦，之前讲过很多直播源码平台的开发和功能，本篇我们来讲下语音聊天源码平台的开发逻辑是怎么样的。 语音聊天源码平台流程思维：A发送语音请求给B，A声音通过MIC被采集成PCM原始数据，然后经过编码压缩，再通过网络将编码后的音频数据传输出去；B端通过网络收到数据后进行解码处理，然后调用播放模块，进行音频数据的播放 语音聊天源码平台开发条件：Android SDK API Level ≥ 16，Android Studio 2.0 或以上版本，另外App 要求 Android 4.1 或以上设备。
72920编辑于 2023-08-15 - 来自专栏IT当时语_青山师_JAVA技术栈
JAVA编程基础（二）java平台知识概述
本节站在一个高屋建瓴的角度一览Java平台的组成部分。 开始之前 这一节是Java编程基础系列的入门途径。 本节学习目标 理解Java平台每部分组件的功能 理解Java语言的结构组成 逐步熟悉Java API文档 Java平台的组件 java平台组件由以下基本分组成 Java语言 跟其它编程语言一样，java JVM可运行在主流操作系统中，如windows和linux等，也适合在手机平台。 垃圾收集器 你不需要自己去管理内存分配，java平台提供了自主回收垃圾机制。 垃圾收集是java平台的一个基本特征。 JRE在很多平台适用。根据JRE许可条款，你可以在应用程序中自由使用JRE以提供一个平台给那些使用你开发出来的软件的用户，JDK中包含了JRE。
30220编辑于 2023-05-04 - 来自专栏qKnow知识平台
写给开发者的数据库设计规范指南（团队实战版基础篇）
该规范已在多个产品中落地实践，包括qKnow知识平台、qData数据中台、qModel模型管理平台等，成为统一的数据库设计标准。 二、数据库命名规范1.环境区分命名为保障开发、测试、生产环境的数据隔离与部署安全，数据库命名必须严格区分环境：开发库：[项目代号]_dev示例：qData_dev、qKnow_dev测试库：[项目代号] _test示例：qData_test、qModel_test生产库：[项目代号]_prod示例：qKnow_prod、qThing_prod⚠️注意：严禁在生产环境中直接使用_dev或_test后缀的数据库 示例：qData（千桐数据中台）、qKnow（千桐知识平台）、qAuth（统一身份认证平台）3.统一命名规则所有环境下的数据库命名格式必须统一，确保运维人员能快速识别环境类型。
65543编辑于 2025-11-14 构建知识驱动的软件工厂：主流平台评测与工程知识管理演进
工具评估：软件工厂视角下的知识平台能力对比 Gitee Wiki：强调工程一致性与流程闭环，支持与代码仓库、CI/CD、任务系统原生联动。 Confluence：Jira 生态下的知识平台，适合大型国际化项目，支持强插件生态与权限策略。但私有化部署成本较高，国内政企环境适配性不足。 实践案例：如何通过知识平台重构工程协作体系以某通信设备制造企业为例，在原有文档平台无法满足多团队并行开发与接口追溯需求后，引入 Gitee Wiki 建立知识中台。 能力趋势：知识系统不再只是文档工具未来的软件工厂，将对知识平台提出更高要求，其价值将体现在支撑研发、优化管理与形成资产三个方面：知识资产参与产品交付流程，成为接口文档、测试用例、部署规范等的结构化组成部分 AI 助手能力将常态化：包括内容生成、质量校验、语义推荐、自动索引与知识地图构建等，推动知识平台由“信息终点”转为“认知节点”。
25610编辑于 2025-05-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号