用户问「什么是人形机器人，把结果写到 Docx 里」，WeKnora 自己思考 17 轮、调用 20 次工具、花 2 分 38 秒，最后交出一份带封面和目录的 Word 文件。这是腾讯微信团队这周开源的 WeKnora 0.8（MIT 协议）的真实演示。值得关心的是：市面上又出现了一种 RAG（让 AI 翻你文档再回答的技术）知识库，但它瞄准的不是「回答更准」，而是让知识库从「只会答题」升级到「能动手干活」。

这是什么

WeKnora 由腾讯微信事业群出品（官网挂在 weixin.qq.com 域名下，npm 包 scope 含 wxg），技术栈是 Go + Vue。三块能力拼成：RAG 做基础问答、ReAct Agent（让 AI 自己拆解任务、一步步调用工具的框架）做自主编排、Wiki 模式把文档自动蒸馏成互相链接的知识图谱。0.8 这一版的核心升级是「技能沙箱」——技能像应用商店一样集中管理，必须装进隔离环境才能被 Agent 调用，且默认移除了本地进程执行。支持 20 多家大模型供应商、十多种文档格式、IM 集成覆盖企业微信、飞书、钉钉、Slack 等。

行业怎么看

值得肯定的判断：WeKnora 把「让 AI 动手」的安全边界放在能力扩展前面——默认只走 Docker、E2B 等隔离沙箱，租户可独立配网络策略。这跟国内一些「先做能力再说安全」的项目相反，对企业 IT 是友好信号。私有化部署、多模型兼容、文档格式齐全，作为底座是合格的。

但我们想提醒三点：第一，当前 v0.8.0 离生产可用还有距离，文档和生态还在补；第二，这个赛道 Dify、扣子（Coze）、FastGPT 已经在跑，腾讯要证明的不只是技术先进，更是企业愿意把核心知识库迁过来；第三，「技能目录」模式依赖生态——如果 ClawHub、SkillHub 上的技能就那么几个，它的优势会迅速摊薄成「只能写代码」。

对普通人的影响

对企业 IT：私有化部署、多模型兼容、安全默认收紧——如果正在选知识库底座，值得加进对比清单，建议先做小范围试点。

对个人职场：现阶段用不上，它面向的是有知识库搭建能力的技术团队，不是想整理文档的个人。

对消费市场：基本无直接影响，这是企业级工具，等哪天 C 端产品接入了它的能力，才轮到普通用户感知。