KnowledgeHub - 智能知识管理系统

智慧之源 · 触手可及

📖 简介

KnowledgeHub 是一个功能强大的智能知识管理系统，融合了 RAG 知识库与知识图谱技术，基于 LangGraph v1 + Vue.js + FastAPI + LightRAG 架构构建。

核心特性：

• 🤖 智能对话：支持多种 AI 助手，提供智能问答服务
• 📚 知识库管理：文档知识库与知识图谱双引擎支持
• 📊 数据分析：自动生成数据报表和可视化图表
• 🎯 统计监控：全面的系统使用统计和活跃度分析
• 🔧 易于部署：基于 Docker Compose 一键部署
• 🌐 现代化界面：精美的用户界面设计

🖼️ 系统界面

智能对话

知识库管理

知识图谱可视化

文档上传与解析

对话历史

知识库详情

智能问答示例

知识库配置

知识库列表

系统设置

知识库创建

🚀 快速开始

方式一：Docker 一键部署（推荐）

适用场景：快速体验、生产部署

前置要求

• Docker Desktop (Windows/Mac) 或 Docker Engine (Linux)
• 8GB+ RAM（推荐 16GB）
• 20GB+ 磁盘空间

安装步骤

1. 安装 Docker Desktop

   • 访问 Docker 官网下载并安装
   • 安装完成后启动 Docker Desktop
   • 确认 Docker 运行正常：

   docker --version
   docker compose version

2. 克隆项目

   git clone https://github.com/qwerzbn/KnowledgeHub.git
   cd KnowledgeHub

3. 配置环境变量

   # Windows PowerShell
   Copy-Item .env.template .env
   
   # Linux/Mac
   cp .env.template .env

   编辑 .env 文件，配置必要的 API Key：

   # 推荐使用硅基流动免费服务
   SILICONFLOW_API_KEY=your_api_key_here

4. 启动服务

   docker compose up -d

5. 访问系统

   • 前端界面：http://localhost:5173
   • API 服务：http://localhost:5050
   • Neo4j 浏览器：http://localhost:7474

6. 停止服务

   docker compose down

---

方式二：本地开发环境

适用场景：开发调试、学习研究

前置要求

1. 安装 Python 3.11+

• Windows: 访问 Python 官网下载安装
• Mac:

  brew install python@3.11

• 验证安装:

  python --version  # 应显示 3.11 或更高版本

2. 安装 Node.js 20+

• Windows/Mac: 访问 Node.js 官网下载 LTS 版本
• Mac:

  brew install node

• 验证安装:

  node --version  # 应显示 v20 或更高版本
  npm --version

3. 安装 Neo4j 图数据库

• 方式 A：使用 Docker（推荐）

  docker run -d \
    --name neo4j \
    -p 7474:7474 -p 7687:7687 \
    -e NEO4J_AUTH=neo4j/0123456789 \
    neo4j:5.26

• 方式 B：本地安装

  • 访问 Neo4j 下载页
  • 下载 Neo4j Desktop 或 Community Edition
  • 安装后启动服务，设置密码为 0123456789

4. 安装 Milvus 向量数据库

• 方式 A：使用 Docker（推荐）

  # 下载 Milvus standalone 部署文件
  wget https://github.com/milvus-io/milvus/releases/download/v2.5.6/milvus-standalone-docker-compose.yml -O docker-compose-milvus.yml
  
  # 或 Windows PowerShell:
  Invoke-WebRequest https://github.com/milvus-io/milvus/releases/download/v2.5.6/milvus-standalone-docker-compose.yml -OutFile docker-compose-milvus.yml
  
  # 启动 Milvus
  docker compose -f docker-compose-milvus.yml up -d

• 方式 B：本地安装

  • 参考 Milvus 官方文档

5. 安装MinIO 对象存储（可选，用于文件存储）

docker run -d \
  --name minio \
  -p 9000:9000 -p 9001:9001 \
  -e MINIO_ROOT_USER=minioadmin \
  -e MINIO_ROOT_PASSWORD=minioadmin \
  minio/minio:RELEASE.2023-03-20T20-16-18Z \
  server /data --console-address ":9001"

启动步骤

1. 克隆项目

   git clone https://github.com/qwerzbn/KnowledgeHub.git
   cd KnowledgeHub

2. 配置环境变量

   # Windows
   Copy-Item .env.template .env
   
   # Linux/Mac
   cp .env.template .env

   编辑 .env 文件，确保配置正确：

   # API Keys
   SILICONFLOW_API_KEY=your_api_key_here
   
   # 数据库连接（使用本地地址）
   NEO4J_URI=bolt://localhost:7687
   NEO4J_USERNAME=neo4j
   NEO4J_PASSWORD=0123456789
   
   MILVUS_URI=http://localhost:19530
   MINIO_URI=http://localhost:9000

3. 安装后端依赖

   # 使用 pip安装
   pip install -e .
   
   # 等待安装完成（首次安装可能需要几分钟）

4. 安装前端依赖

   cd web
   npm install --legacy-peer-deps
   cd ..

5. 启动后端服务

   打开新的终端窗口：

   # Windows PowerShell
   $env:NEO4J_URI="bolt://localhost:7687"
   $env:MILVUS_URI="http://localhost:19530"
   $env:MINIO_URI="http://localhost:9000"
   python -m uvicorn server.main:app --host 0.0.0.0 --port 5050 --reload
   
   # Linux/Mac
   export NEO4J_URI="bolt://localhost:7687"
   export MILVUS_URI="http://localhost:19530"
   export MINIO_URI="http://localhost:9000"
   python -m uvicorn server.main:app --host 0.0.0.0 --port 5050 --reload

6. 启动前端服务

   打开另一个新的终端窗口：

   cd web
   npm run dev

7. 访问系统

   • 前端界面：http://localhost:5173
   • API 服务：http://localhost:5050
   • Neo4j 浏览器：http://localhost:7474

常见问题

Q: 前端无法连接后端？ A: 检查后端是否正常启动，访问 http://localhost:5050/docs 查看 API 文档

Q: 数据库连接失败？ A: 确认 Neo4j 和 Milvus 服务正在运行：

# 检查 Neo4j
docker ps | grep neo4j

# 检查 Milvus
docker ps | grep milvus

Q: Python 依赖安装失败？ A: 尝试使用虚拟环境：

python -m venv venv
# Windows
.\venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

pip install -e .

🛠️ 技术架构

• 前端：Vue.js + Vite + TailwindCSS
• 后端：FastAPI + Python 3.12
• AI 框架：LangChain/LangGraph v1
• 向量数据库：Milvus
• 图数据库：Neo4j
• 知识图谱：LightRAG
• 容器化：Docker + Docker Compose

📚 更多文档

• 技术架构文档 - 了解系统的核心架构与设计
• API 参考文档 - 后端接口详细说明
• 部署指南 - 多种环境的部署方式
• 开发指南 - 参与贡献与二次开发

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

---

© 2025 KnowledgeHub. All rights reserved.