qKnow 企业知识智能平台
用知识图谱、RAG 与可视化编排构建企业知识中枢和业务智能体。
按维度查看评分与理由
README说明了认证授权框架、模型与数据库集成、Bot发布和工作流等高层能力，并将生产者归属到江苏千通科技有限公司；但没有展示最小权限设计、权限范围、用户数据流、敏感数据保护、密钥管理、依赖扫描或回滚机制。调试和发布暗示部分操作由用户发起，因此用户确认仅获薄弱分；外部模型、数据库和插件的具体传输目的地、数据类别及副作用没有被完整说明。未见红线行为，但静态材料不足以证明安全性。
技术栈和部署要求大体一致，但存在版本表述宽泛以及许可证自称Apache-2.0、实际附加品牌和贡献条件的不一致。依赖服务及部分版本被列出，说明基本可用性前提，但Weaviate等仅要求“稳定版本”，快速开始依赖未提供的外部文档。没有错误消息、故障处理或降级行为的证据，因此相应扣分。
企业知识库问答、行业专家、政策手册检索、知识图谱和业务工作流等受众与场景描述充分，并列出Windows、Linux、Mac、手动和容器化部署以及多种模型适配方向。扣分在于能力边界主要以营销性功能清单呈现，未来功能与当前功能区分有限；触发条件、工具选择规则和Agent何时执行外部动作也未具体定义。
README按概览、场景、功能、技术栈、部署、许可、反馈和贡献组织，结构清晰，并给出环境要求及两种部署入口。名称qKnow及主要模块相对稳定，且有截图和在线演示，但缺少内嵌端到端示例、FAQ、具体故障排查、变更日志和版本策略。限制仅以功能持续演进和版本要求间接体现。LICENSE明确生产者和附加条件，却不是未经修改的Apache-2.0文本，与徽章及“Apache License 2.0”表述存在法律含义不清，故许可证不得高分。
知识图谱、RAG、可视化编排、Bot生命周期和知识资产管理组合能形成有实际用途的企业平台输出，且相对单一问答工具具有增量价值。扣分是这些收益主要由功能说明和截图宣称支持，没有具体输出样例、质量指标、规模数据或运维成本估算；多数据库和多运行时依赖意味着部署成本不可忽略。
功能表、技术栈、环境表、截图和LICENSE为部分主张提供了仓库内锚点，但没有代码、测试、配置、发布记录或案例材料用于逐项追踪。两个文件只能有限互证产品名称、生产者和许可主题，且许可表述存在冲突。当前能力、未来计划和宣传性效果主张有一定标记，但事实、推断和预期收益并未系统分离，因此三项均只能获得薄弱分。
- 许可证在Apache-2.0基础上增加了品牌展示、商业授权和贡献者条款，不能仅凭README徽章将其视为标准Apache-2.0；采用前应进行法律审查。
- 材料未说明上传文档、结构化数据、提示词或模型请求的具体流向、保留期限、租户隔离、加密和密钥处理方式。
- 生产部署依赖MySQL、Neo4j、Weaviate、Redis、模型服务及外部部署文档；应在采用前核验兼容版本、故障行为、备份与回滚方案。
- README公开了共享演示账户凭据；该账户应仅视为演示入口，不应复用于任何生产环境或敏感数据。
这个 Agent 能做什么，适合哪些场景？
qKnow 是一套可私有化部署的企业知识智能与行业 AI 应用平台，覆盖知识图谱、知识库 RAG、Bot 构建和插件化应用。它采用前后端分离架构，后端基于 JDK 17、Spring Boot 3 与 Spring AI，前端基于 Vue 3 和 Vite。平台统一接入文档、结构化数据、业务知识与专家经验，并将其加工为知识库、实体关系、三元组和可复用智能体资产。用户可通过拖拽画布编排 Workflow、Chatflow 与 Agent，完成 Bot 的创建、调试、发布及应用配置。运行环境依赖 MySQL、Neo4j、Weaviate 和 Redis，可通过 Docker Compose 或手工方式部署。它适合希望自建知识问答或行业智能应用、并具备 Java 基础设施运维能力的企业团队。
平台先在知识中心接收和分类企业文档及资料，通过文件解析执行文本清洗、内容切分和语义片段生成，并将向量写入 Weaviate 供知识库 RAG 检索。对于图谱数据，概念配置和关系配置定义实体、概念、关系类型及抽取规则；非结构化抽取从文档或文本生成实体、关系和三元组，结构化抽取则处理数据库或表格数据，结果存储于 Neo4j 并可通过 Vis 驱动的图谱界面浏览、追踪和检索。召回测试可使用模拟问题检查知识片段的召回表现并辅助调整检索参数。模型接入由 Spring AI 承担，README 说明其可适配不同模型服务，但未列出具体模型厂商或 API。用户在可视化编排中心组合 Workflow、Chatflow 与 Agent，再通过 Bot 管理完成创建、编辑、复制、调试、发布和运行状态管理；应用配置可绑定知识库、知识图谱、Bot 与参数，最终产生可访问的知识问答或其他插件化应用。
- 企业知识管理团队需要把制度、标准、手册和报告统一整理为带引用溯源的内部问答系统。
- 拥有数据库、表格和业务文档的组织希望抽取实体、关系与三元组，建立可交互追踪的业务知识图谱。
- Java 技术团队需要在私有环境中创建、调试和发布知识问答、智能客服或专家助手 Bot。
- 业务应用团队希望通过拖拽式 Workflow、Chatflow 和 Agent 编排，将知识检索接入业务流程。
- 行业解决方案开发者需要以插件架构扩展内置知识问答，并复用提示词、工具、知识组件和智能体资产。
这个 Agent 有哪些优点和局限？
- 同时提供知识图谱与知识库 RAG，可覆盖结构化关系建模、非结构化语义检索和引用溯源，而非只提供单一向量检索。
- Workflow、Chatflow 与 Agent 均可通过拖拽画布编排，并与 Bot 的创建、调试、发布和应用配置形成完整链路。
- 支持文档、数据库和表格的知识抽取，能够统一管理实体、关系、三元组、提示词、工具和知识组件。
- 采用 JDK 17、Spring Boot 3、Spring AI 和 Vue 3，对已有 Java 技术团队进行二次开发和私有化集成较友好。
- 提供 Docker Compose 和手工部署两种边界，兼顾快速验证与生产定制。
- 运行依赖 MySQL、Neo4j、Weaviate 和 Redis；手工部署还需要分别安装和维护前后端工具链，基础设施成本较高。
- 所给材料没有完整启动命令、配置键、端口、数据库初始化步骤或模型凭据示例，无法仅据此复现首次本地运行。
- 虽然声称可接入不同模型服务，但没有列出具体厂商、兼容协议或各模型能力差异，迁移工作量无法预估。
- GitHub 提供的许可证字段为 NOASSERTION，而 README 徽章显示 Apache-2.0，并且另有开源版品牌定制授权说明；商用前需要核验仓库实际许可证文件和品牌条款。
- 推荐的 MySQL 5.7 与 Neo4j 4.4.40 是特定旧版本，升级到其他版本的兼容性在材料中没有证据。
如何安装或部署这个 Agent？
部署有两条已说明的路径。快速体验可选择 Docker Compose，它会启动 DeepKE、Neo4j、MySQL、Nginx、Redis 等组件以及 qKnow 源码；生产或大规模定制场景可手工安装。手工部署前需准备 JDK 17+、Maven 3.8+、MySQL 5.7、Neo4j 4.4.40、稳定版 Weaviate、Redis 5.0+、Node.js 16+，以及 npm、pnpm 或 yarn之一；支持 Windows、Linux 和 macOS。README 没有提供可复制的克隆、构建、Compose 启动命令，也没有列出数据库账号、模型服务凭据、端口或配置文件键，因此仅凭所给材料无法给出完整且可验证的本地首次启动命令。Docker Compose 部署说明位于 https://qknow.qiantong.tech/docs/deploy/docker-compose-deployment.html，手工部署说明位于 https://qknow.qiantong.tech/docs/deploy/manual-deployment/。
如何使用这个 Agent？
无需安装即可验证基本界面：访问 https://demo.qknow.ai，使用账号 qKnow、密码 qKnow123 登录开源版演示。自建环境中的典型流程是先配置由 Spring AI 接入的模型服务，再在知识中心导入文档或结构化数据；随后创建知识库，或配置概念与关系规则并执行知识抽取。可用召回测试检查语义片段检索效果，并在图谱可视化界面查看实体与关系。之后在可视化编排中心构建 Workflow、Chatflow 或 Agent，在 Bot 管理中调试并发布，最后通过应用配置绑定知识库、知识图谱、Bot 和参数。材料未给出具体模型凭据格式、公开 API 调用示例或 CLI 命令，因此这些步骤只能通过平台界面完成到所述程度。
这个 Agent 与同类方案有什么区别？
与专业版相比，开源版用于低成本起步和功能验证；专业版强调更深入的能力与保障，但材料没有给出两者逐项功能、价格或服务范围。部署方式上，Docker Compose 适合初学者、演示和测试，自主手工部署则面向生产、大规模部署及个性化定制。