PandaWiki是一款AI驱动的开源知识库系统，无需编程基础，5分钟即可搭建。它提供AI创作、问答和搜索功能，支持多种文档管理和导入方式，可集成到钉钉、飞书等平台。适合个人学习沉淀和企业协作场景，支持对接多种大模型API。相比Notion、Obsidian等工具，PandaWiki开源免费，AI功能原生深度集成，目前GitHub上已有8.6k Star，装机量突破3w+。
还在为知识管理混乱发愁？学习笔记散落在文件夹、企业文档查找像大海捞针、客户咨询重复回复占用大量时间？今天给大家安利一款 AI 驱动的开源王炸工具 ——PandaWiki，无需编程基础，5分钟就能搭建起智能化知识库，不管是个人学习沉淀还是企业高效协作，都能完美 hold 住！
PART 01
项目概述：AI + 开源
PandaWiki 是一款由 AI 大模型驱动的开源知识库搭建系统，凭借强大的功能和极低的上手门槛，帮助你快速构建智能化的产品文档、技术文档、FAQ、博客系统，借助大模型的力量为你提供AI 创作、AI 问答、AI 搜索等能力。上线后累计装机量突破 3w+，成为开发者和企业争相追捧的热门项目。
短短不到一年的时间，项目目前在 GitHub 上已经获得8.6k的 Star，增长速度飞快。
PART 02
功能特色
- AI 原生智能化能力：作为 AI 大模型驱动的知识库系统，核心包含 AI 智能问答、AI 辅助创作、AI 语义搜索，内置向量模型（bge-m3）和重排序模型（bge-reranker-v2-m3），支持对接百智云、DeepSeek、OpenAI 等多平台大模型 API。
- 全能文档管理与编辑：可构建产品文档、技术文档、FAQ、博客等多种类型系统；具备强大富文本编辑能力，兼容 Markdown 和 HTML 格式；支持导出为 Word、PDF、Markdown 等多种文件格式，满足不同使用场景需求。
- 灵活内容导入方式：支持多渠道内容导入，包括通过网页 URL 导入、网站 Sitemap 导入、RSS 订阅导入、离线文件导入等，快速整合分散知识资源。
- 多端集成与场景适配：可作为网页挂件嵌入其他网站，也能集成钉钉、飞书、企业微信等聊天机器人，还支持微信公众号对接；适配企业客服、内部知识助手、开发者文档库、个人知识管理等多元场景。
PART 03
快速安装
新手也能轻松搞定，全程只需 3 步，跟着操作就行！
- 准备环境（前置要求）
系统：Linux（x86_64 架构）
配置：最低 1 核 CPU、2GB 内存、10GB 磁盘（推荐配置更流畅）
依赖：Docker 20.10.14+ 和 Docker Compose 2.0.0+
- 一键安装 PandaWiki
使用 root 权限登录服务器，执行以下命令安装PandaWiki。
bash -c "$(curl -fsSLk https://release.baizhi.cloud/panda-wiki/manager.sh)"选择安装，首先会检查系统环境，创建安装目录，再下载Docker镜像，最后启动所有的服务，大约需要等待3-5分钟时间。
安装命令结束完后，终端界面会输出访问地址，用户明和密码。
SUCCESS 控制台信息: SUCCESS 访问地址(内网): https://*.*.*.*:2443 SUCCESS 访问地址(外网): https://*.*.*.*:2443 SUCCESS 用户名: admin SUCCESS 密码: **********************使用浏览器打开上述内容中的访问地址，输入用户名和密码登录
配置AI大模型
点击 PandaWiki 控制台右上角的 “系统配置” 按钮，根据下方图片分别配置 不同的AI模型
创建知识库
知识库是一组文档的集合，PandaWiki 将会根据知识库中的文档，为不同的知识库分别创建 “Wiki 网站”。
输入站点名称和路径，你的个人知识库就初步建成啦！
创建文档
PandaWiki除了能手动创文档外，支持本地文件导入，URL导入、语雀、飞书文档、钉钉文档等十几种。
网站支持离线拖拽的方式导入文档。
文档导入成功后，我们就可以进行发布操作。
点击“发布”。发布之后，PandaWiki内置的AI立刻就会这些文档进行梳理并学习。
PandaWiki还支持嵌入为 钉钉、飞书、企业微信的 AI 机器人，让知识在协作场景中都可以随手可用。
内嵌数据统计，包括实时来访、用户分布、问答来源、来源域名等，方便你随时随地分析知识使用情况。
同时系统提供在线体验地址，方便大家更真实的体验
PART 04
与热门 AI 产品对比
市面上知识库工具不少，但 PandaWiki 的优势一对比就很明显：
| 产品 | 优势 | 不足 |
|---|---|---|
| Notion | 界面美观，功能丰富 | 付费功能多，国内访问慢，AI 需插件 |
| Obsidian | 本地存储，轻量流畅 | 多人协作弱，AI 功能依赖插件 |
| 语雀 | 中文生态好，适合文档协作 | 第三方集成少，AI 功能有限 |
| PandaWiki | 开源免费，原生AI功能， 支持云端部署，AI深度集成，多平台机器人集成 |
除此之外，PandaWiki 还能和热门 AI 工具联动：对接 GPT-4 提升创作质量，对接 DeepSeek 优化中文问答体验，搭配钉钉 / 企业微信实现高效办公，组合使用效果更佳！
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
