위챗 AI팀, 지식관리 프레임워크 WeKnora 오픈소스 공개

위챗 AI 팀이 WeKnora(维娜拉)라는 지식 관리 프레임워크를 오픈소스로 공개했는데, 최신 0.8.0 버전이 막 나왔다. 포지셔닝을 한 마디로 하면: 지식베이스가 단지 "답을 찾아낼 수 있는" 것을 넘어 "직접 나서서 실행할 수 있게" 만드는 것——대형 모델을 실제로 적용할 때 가장 현실적인 그 문제, 즉 지식은 문서 속에 누워 있고 모델은 그럴듯하게 떠들어대지만, 실제로 그것들을 검증 가능한 결과로 만들려면 그 중간에 손발 한 쌍이 빠져 있다는 문제를 해결하려는 것이다.

WeKnora 아키텍처 설계: 문서 처리부터 검색, 추론, 상호작용 표시까지의 완전한 경로

눈길을 끄는 몇 가지 기능. 첫 번째는 anydoc 파싱으로, PDF, Word, Markdown, 웹페이지 등 온갖 형식이 바로 들어오며 여기저기 변환할 필요가 없다. Wiki 모드와 결합하면 어수선한 문서를 자동으로 구조화된 지식 체계로 정리할 수 있다. 두 번째는 GraphRAG——일반적인 RAG는 벡터 검색으로 관련 조각을 건져내 모델에 끼워 넣는 방식인데, GraphRAG는 한 걸음 더 나아가 개체와 관계를 추출해 그래프로 구축하여 "사물들 사이가 어떻게 연결되는가" 같은 질문에 답할 때 순수 벡터 검색보다 훨씬 믿을 만하다.

가장 주목할 만한 것은 Skill Sandbox Runtime이다. 지식베이스 안의 내용은 "스킬"로 캡슐화되어 Docker, E2B, CubeSandbox 같은 샌드박스 환경에서 실행될 수 있다——이는 지식이 단지 "읽히는" 것이 아니라 안전하게 "실행될" 수 있다는 뜻이다. "AI가 실질적인 일을 하도록 돕게 하는" 그런 시나리오에 있어 이는 결정적인 한 걸음이다: 모델이 지식베이스에서 스킬 하나를 불러와 샌드박스에서 한 번 돌리고 검증 가능한 결과를 반환할 수 있으며, "이렇게 하는 걸 권합니다"에서 멈추지 않는다.

장기 기억(Long-term Memory)까지 더하면, 이 프레임워크의 의도는 매우 완결적이다: 파싱, 조직, 검색, 실행, 기억까지 한 줄로 이어진다. 아키텍처는 모듈식이라 필요에 따라 가져다 쓰면 되고, 라이선스는 MIT를 사용했다——오픈소스 친화적이고 상용화에 부담이 없으며, 이것이 "개인부터 기업까지"를 대상으로 한다고 자신 있게 말할 수 있는底气이기도 하다.

출처:

- 위챗 AI 팀, WeKnora 오픈소스 공개: 지식베이스에 "손발"을 달아주어 AI가 답하는 것에서 하는 것으로