最近想找一个工程完成度足够高、又能拿来学 RAG 全链路的开源项目，翻了一圈最后停在腾讯开源的 WeKnora 上。它是 MIT 协议、当前版本 v0.8.2，把「文档理解 + 语义检索 + 自主推理」做成了一套可自托管的框架，代码结构比大多数 demo 级的 RAG 仓库认真得多。
我打算用一个系列把它拆开讲。这是第一篇，先建立整体认知：它分成哪几层、为什么主后端用 Go 而文档解析单独拎出一个 Python 服务、一条文档从上传到能被检索中间到底发生了什么。后面三篇分别深入分片机制、检索管线和 Agent 能力。
前三篇我们一路沿着数据流走下来：架构分层、文档怎么被解析分片、检索管线怎么把内容捞出来排序。但这些都还停留在「RAG」的范畴——用户问一句，系统检索一次、答一句，是被动的。
WeKnora 真正想做的不止于此。它在检索之上搭了一个 ReAct Agent，让系统能自己规划多步任务、调用工具、写代码、开浏览器、还能把一堆原始文档蒸馏成一个自维护的 Wiki。这是系列收官篇，我们看看问答之上的这层「自主推理」是怎么组织的，也顺便给整个 RAG 全链路收个口。
做 LLM 应用的人大概都遇到过同一个头疼问题：用户丢过来一个 PDF、一个 Word、一张截图、一段录音，然后问你"能不能帮我总结一下？"
每种格式都要找对应的解析库，PDF 用 PyMuPDF、Word 用 python-docx、Excel 用 openpyxl、图片还得上 Tesseract OCR……写完一堆胶水代码，发现提取出来的文本结构全丢了——标题变普通段落、表格变乱码、链接直接蒸发。
微软开源的 MarkItDown 就是来解决这个问题的。
上篇写了 MarkItDown，微软出的通用文件转Markdown 工具。今天这篇聊 MinerU——一个更专注、更狠的文档解析引擎。
如果说 MarkItDown 是"瑞士军刀"，什么格式都能转；那 MinerU 就是"手术刀"，专门对付最难啃的 PDF——扫描件、多栏排版、跨页表格、数学公式、手写体，这些让普通解析器哭出来的场景。
最近大模型圈有个值得关注的事：小米的 MiMo V2.5 系列开放公测了，而且在 Artificial Analysis 榜单上拿下了全球开源大模型综合智能指数第一。
一个做手机和智能家居的公司，AI 模型做到开源第一？我一开始也觉得有点意外，试了一圈之后，确实有点东西。
很多人刚用 GitHub 时，会把它理解成一个线上代码仓库：能 push、能 clone、能看文件。但到 2013 年，越来越多人开始意识到，GitHub 真正方便的地方不只是托管代码，而是围绕项目的协作信息也能被放到一起。