基于源码梳理 WeKnora 的主后端、前端、文档解析、默认检索、向量库适配、模型层和 Agent 扩展能力，判断它更像企业知识库底座，而不是轻量级 RAG Demo。
TOPIC
共 5 篇 RAG
围绕「RAG」整理的相关文章
记录一次把 BAAI/bge-reranker-v2-m3 部署成 vLLM reranker 服务，并让本地 WeKnora 通过 HTTP API 调用的完整过程，包括显存、镜像源、模型下载和接口验证。
向量召回只能找出可能相关的内容，reranker 才能把最适合给大模型看的片段排到前面。本文整理 BAAI/bge-reranker-v2-m3 的定位、适用场景和部署取舍。
pgvector 不是所有向量检索场景的最优解，但在中小规模 RAG、图片相似检索和业务强过滤场景中，它可以用更低的工程复杂度完成向量存储和相似度检索。
BGE-M3 是一个适合优先评估的开源 embedding 模型。它支持中文、多语言、长文本和多种检索方式，适合用于 RAG、知识库检索和中英文混合语义搜索。