hatWiki是一款国产开源的知识库 AI 问答系统。系统基于大语言模型（LLM ）和检索增强生成（RAG）和GraphRAG知识图谱构建，提供开箱即用的数据处理、模型调用等能力。

企业知识场景全覆盖，比如教育、金融、法律、医疗健康、政务部门等行业上传企业私有文档，由ChatWiki负责对文档进行分段清洗，由DeepSeek等AI大模型负责根据知识库已有内容快速给出精准回答。

目前支持DeepSeek R1、doubao pro、qwen max、Openai、Claude 等全球20多种主流模型。

比如单独问DeepSeek“xx乡村规划许可证怎么办理？”，DeepSeek回答可能会有会有“幻觉”风险，而通过在ChatWiki学习特定领域的知识，就能给出准确的答案。

ChatWiki支持接入DeepSeek R1、DeepSeek V3、doubao pro、qwen max、Openai、Claude 等全球20多种主流模型。只需要简单的配置API Key，即可接入DeepSeek。

• 通过API接口可无缝接入公众号、微信客服，打造专属人工AI智能助聊天机器人；
• 还支持嵌入网站、桌面客户端、WebApp、微信小程序、抖音企业号、快手号、视频号及API调用等，全面覆盖企业多终端业务场景需求。
• 支持实时查看用户与AI机器人的对话内容；
• 人机协同，支持关键词转人工客服。

ChatWiki接入微信客服演示

ChatWiki在向量检索、全文检索、混合检索的基础上，支持知识图谱检索。

与传统的RAG系统相比，GraphRAG能够更有效地处理复杂的查询，提供更准确和相关的回答，特别适用于涉及大量实体和关系的数据集。

简单来说，GraphRAG = 知识图谱 + 检索增强生成RAG。

①可设置对外文档

支持将知识库内容快速发布为可公开访问的文档站点，提供SEO优化、多访问统计等功能，轻松打造品牌化客户支持门户。

②多种格式文档导入

支持导入OFD、Word、Excel、PPT、PDF、markdown等多种格式的文档。

③支持搭建AI工作流

在ChatWiki里可以通过拖拽节点迅速搭建工作流。比如自由选择AI对话、问题分类、知识库、Http请求、判断分支等多种原子能力，通过可视化拖拉拽的方式编排组合，快速搭建出业务流程。

④与第三方业务数据打通

可无缝嵌入业务系统，实时整合第三方数据源（如销售、库存、物流数据），打破数据孤岛，显著缩短人工处理时间。

⑤权限分级设置支持

提供企业级多级权限控制，支持角色分配（管理员/编辑员/只读成员），满足敏感数据管控与团队协作需求。

⑥大模型语义分段

RAG分段决定了AI回答的准确性，十分重要，ChatWiki不仅支持普通分段，还支持大模型语义分段，通过语句向量相似度进行分段，防止段间关键语义信息的丢失。

⑦支持下载桌面端

本地部署版本支持桌面客户端，下载即用。

ChatWiki支持多种部署方式：

• docker部署；
• 离线docker部署；
• 免docker部署，完全本地部署，源码安装。

docker部署安装流程如下：

(1)安装docker(已经安装的跳过此步骤)

sudo curl -sSL https://get.docker.com/ | CHANNEL=stable sh

(2)克隆或下载chatwiki项目代码

git clone https://github.com/zhimaAi/chatwiki.git

(3)按需要修改docker环境变量(非必须)

vim ./chatwiki/docker/.env

(4)按需要修改项目配置参数(非必须)

vim ./chatwiki/configs/chatwiki/config_pro.ini

(5)使用Docker Compose构建并启动项目

cd chatwiki/docker

docker compose up -d

(6)使用负载均衡或nginx配置域名指向对应的服务(非必须)

(7)通过ip+端口访问(需要开放指定的端口${CHAT_SERVICE_PORT},默认18080)或者域名访问管理后台

github地址：
https://github.com/zhimaAi/chatwiki