chatwiki
ChatWiki 是一款专为微信公众号打造的 AI 知识库与客服机器人平台。它把复杂的 RAG 大模型能力封装成“拖拉拽”式工作流,让没有技术背景的人也能在几分钟内给公众号装上“会思考”的客服:自动回复私信、评论、菜单点击,还能一键把历史文章变成知识库,实现 7×24 小时精准答疑。
它解决了公众号运营者常见的三大痛点:人工客服成本高、粉丝问题重复、历史内容难以再利用。通过内置 20 余种主流大模型(DeepSeek、豆包、通义千问、OpenAI 等),ChatWiki 既能回答通用问题,也能在机器人无法解决时无缝转交人工,并支持多人协作与权限分级,确保数据安全。
适合公众号运营者、内容创作者、中小企业客服团队以及希望快速验证 AI 场景的产品经理。开发者也能通过开放 API 与 MCP 协议,把 ChatWiki 嵌入现有系统或扩展更多功能。独特亮点包括:未认证公众号也能自动回复、可视化知识图谱、Docker 一键部署,真正做到“开箱即用”。
使用场景
一家 20 人规模的跨境电商 SaaS 初创公司,运营着「ShopGo 出海指南」微信公众号,每天需用公众号回答 300+ 卖家关于平台政策、物流、税务的咨询,并同步更新教程文章。
没有 chatwiki 时
- 运营同学手动复制粘贴 FAQ,回复平均耗时 8 分钟/条,高峰期排队 50+ 条未读。
- 文章更新后,需人工把旧教程里的政策截图一张张替换,漏改一次就引来投诉。
- 用户半夜留言“德国 VAT 税率是多少”,只能等第二天上班再回,流失潜在付费客户。
- 客服、内容、产品三个部门共用 1 个公众号后台,权限混乱,曾有实习生误发半成品文章。
使用 chatwiki 后
- 把历史文章、PDF 手册一键建成知识库,chatwiki 自动拆分问答对,7×24 秒级回复,平均响应降到 15 秒。
- 工作流触发“文章发布”即自动扫描正文,把失效政策链接替换为最新文档,零人工校验。
- 夜间时段由 DeepSeek R1 模型值守,复杂问题先机器人答,再标记“人工待跟进”,次日客服直接处理已分类工单。
- 三级权限+IP 白名单,运营只能发草稿,审核岗点一下即可推送,误操作直接归零。
chatwiki 让这家 SaaS 初创把公众号从“客服黑洞”升级为 24 小时自助知识门户,人力节省 60%,转化率提升 35%。
运行环境要求
- Linux
未说明
未说明

快速开始
🎯 产品定位
ChatWiki 是一款专注于微信生态的工作流自动化平台,致力于将每一个公众号打造成超级 AI 代理。它全面整合了公众号平台的开放能力,让您通过拖拽式操作即可构建微信生态应用,实现一键改写公众号文章、AI 精选评论回复等功能。

✨ 核心功能
💬 与微信生态深度集成
行业首创:支持未认证公众号的私信自动回复,可发送文本、语音、图片、小程序卡片、视频消息等多种内容。
微信工作流:集成用户私信、评论、关注、取消关注、菜单点击等触发场景,支持私信回复、粉丝打标签、生成文章草稿、发布文章等多种处理步骤。
知识库同步:支持一键抓取公众号文章与素材,快速构建知识库。
🤖 基础能力
工作流编排:支持对话式工作流、插件式工作流,涵盖基础工作流节点、双向 MCP、Agent 模式以及用户交互等功能。
文档知识库:支持 URL 读取、批量导入文档、API 集成、AI 分段、问答分段、父子分段等功能。同时支持知识图谱、混合向量检索以及知识图谱的可视化探索。
问答知识库:可从上传文档中自动提取问答知识,支持对未知问题进行自动聚类,并从人工对话中总结常见 FAQ。
人工交接:机器人负责处理通用用户咨询,同时也支持人工客服介入。对于机器人无法解决的问题,可升级至人工客服,并实现多智能体协作分配。
模型支持:支持超过 20 种全球主流模型,包括 DeepSeek R1、doubao pro、qwen max、OpenAI、Claude 等。
🌐 更多功能
多部署方式:提供桌面客户端,支持以 WebApp 形式发布,还可嵌入网站、公众号/服务号、微信客服、微信商城客服等场景。
MCP 与 API 集成:支持接入外部 MCP 服务或将工作流以 MCP 服务形式发布。提供完整的 OpenAPI 接口,便于与现有业务系统无缝对接。
多账号权限管理:采用三级权限体系(管理员、编辑、查看者),确保数据隔离。同时支持 IP 白名单与永久登录日志功能。
🛸 UI
- 🌍免费试用地址:chatwiki.com
- 🖼️截图:
🚀 一键部署
ChatWiki 社区版基于 Docker 部署,只需简单几步即可完成安装:
# 安装 Docker
sudo curl -sSL https://get.docker.com/ | CHANNEL=stable sh
# 克隆项目
git clone https://github.com/zhimaAi/chatwiki.git
cd chatwiki/docker
# 启动服务
docker compose up -d
# 开始使用,访问 IP:端口(请确保指定端口 ${CHAT_SERVICE_PORT},默认 18080,已开放)
# 默认用户名:admin
# 默认密码:chatwiki.com@123
在安装与部署过程中如遇任何问题或有相关建议,请 联系我们 或参考 帮助文档 获取支持。您也可以查看下方的相关指南。
💻 技术栈
前端:vue.js
后端:golang + python
数据库:PostgreSQL16 + pgvector + zhparser
🏡 社区与联系我们
欢迎随时联系我们寻求帮助或提出改进 ChatWiki 的建议。您可以通过以下方式与我们取得联系:
- 帮助:查阅 帮助文档
- 邮箱:发送邮件至 jarvis@2bai.com.cn 联系我们。
- 微信:扫描下方二维码加入 ChatWiki 技术社区群。添加时请备注“chatwiki”。

📖更新日志
如需查看完整更新日志,请点击 👉️👉️UpdateLog.md
2026年3月27日
- [STD] 在 ChatWiki 官方网站新增定价页面
- 知识库召回功能:新增全文搜索模式设置
- 修复非中文语言环境下仍显示“未分组”的中文问题
2026年3月23日
- 工作流批量/循环执行框架现已支持折叠
- 异步任务消费者数量现支持自定义配置
- 修复问答知识库中的批量导入 Bug
- [STD] 修复 ChatClaw 客户端登录问题
2026年3月20日
- 变量填写完成后直接显示在对话顶部
- Feishu 多维表格——查询记录节点:修复在输入数据后重新选择多维表格输入框时,查询条件与查询字段会消失的问题
- 为企业微信机器人回复的图片 URL 添加访问域名
- [STD] 将 ChatWiki 模型服务加入云模型服务
许可协议
本项目遵循 ChatWiki 开源许可证。 ChatWiki 开源许可证 基于 Apache 许可证 2.0,但附加了以下限制:
- ChatWiki 对个人用户免费,包括个人开展的非商业或商业活动。
- 任何公司、组织、机构或团队若将 ChatWiki 用于商业目的,必须联系我们以获取商业许可。
- 使用 ChatWiki 的前端组件时,不得删除或修改其中包含的“ChatWiki”标志、商标或版权声明。
版本历史
v2.4.62026/03/27v2.4.52026/03/23v2.4.42026/03/20v2.4.32026/03/13v2.4.22026/03/06v2.4.12026/02/28v2.4.02026/02/06v2.3.22026/01/30v2.3.12026/01/23v2.3.02026/01/23v2.2.02026/01/16v2.1.32026/01/09v2.1.22025/12/31v2.1.12025/12/25v2.1.02025/12/17v2.0.92025/12/12v2.0.82025/12/05v2.0.72025/12/05v2.0.62025/12/01v2.0.52025/11/28常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
