@tom_doerr: Arkon 是一个自托管的企业 AI 知识中心。它管理 RAG 上下文和访问策略,以将您的内部…

X AI KOLs Timeline 工具

摘要

Arkon 是一个自托管的开源企业 AI 知识中心,充当 MCP 服务器,将内部文档编译成结构化的 wiki,并通过权限限定的上下文为 Claude 和其他 LLM 提供服务。

Arkon 是一个自托管的企业 AI 知识中心。它管理 RAG 上下文和访问策略,将您的内部文档编译成结构化的 wiki,然后通过权限限定的端点为 Claude 和其他 LLM 提供该上下文。 https://t.co/6IJtWDBkWs https://t.co/YegYTUBzkz
查看原文
查看缓存全文

缓存时间: 2026/08/07 04:46

Arkon 是一个自托管的企业级 AI 知识中心。它管理 RAG 上下文和访问策略,将您的内部文档汇编成一个结构化的 wiki,然后通过一个带权限范围的端点将该上下文提供给 Claude 和其他 LLM。 https://t.co/6IJtWDBkWs https://t.co/YegYTUBzkz

nduckmink/arkon

来源:https://github.com/nduckmink/arkon

Arkon —— 开源企业级 AI 知识中心与 MCP 服务器

Arkon 是一个自托管的企业级知识管理层,连接组织数据与 AI 客户端。它作为集中的 MCP 服务器(模型上下文协议)运行,将您的 SOP、政策和内部文档汇编成一个结构化、可追溯的知识 wiki——然后通过一个带权限范围的端点将该 wiki 提供给 Claude 和其他 LLM。

🚀 为什么选择 Arkon?

在大多数组织中,AI 应用是碎片化的。员工将文档复制粘贴到聊天机器人中,导致上下文不一致、安全风险和工作重复。Arkon 将 AI 视为受管理的组织资源。 每位员工都能自动、安全地获得正确的上下文——根据其部门和角色进行过滤。


✨ 核心特性

🧠 智能知识 wiki——MRP 流水线

与仅对文档进行分块和索引的向量数据库不同,Arkon 的 MRP 流水线(Map → Reduce → Plan-review → Refine → Verify → Commit)实际上将文档汇编成一个由相互关联页面组成的连贯 wiki。

  • 写入前计划审查: 每次摄取都会生成一份可人工审查的计划,列出将要创建或更新的 wiki 页面。在写入任何页面之前,编辑者可以根据反馈重新生成计划。
  • 页面合并而非覆盖: 当新来源涉及到现有 wiki 页面时,内容会通过 LLM 合并,确保先前的知识永不丢失。
  • 可追溯的声明: 每个页面都会记录其汇编所依据的源文档。
  • 图像感知: 在编译前将视觉标题嵌入源文本,使 wiki 页面在正确位置引用正确的图像。
  • 可恢复: 草稿在流水线中途持久保存;崩溃的运行可恢复,无需重做昂贵的 LLM 工作。

📚 Wiki 浏览器与知识图谱

  • 三栏布局:页面树、内容、反向链接与出站链接。
  • 全文 + 语义(pgvector)搜索。
  • 交互式知识图谱可视化(按范围或全局)。
  • 页面之间的 wiki 风格交叉引用。
  • 每个页面的版本历史与回滚。
  • 草稿提案 → 编辑审查 → 批准工作流。

🏢 部门与全局范围

精确的上下文边界,配有各自范围的 wiki、文档集和部门名册。

  • 部门级隔离,适用于人力资源、法律、工程等。
  • 全局范围,适用于公司级 SOP、政策和通用知识。
  • 强制范围执行: 成员只能看到来自其指定部门或全局范围内的知识——在 API、MCP 和搜索层均生效。

🛂 细粒度 RBAC

在部门和全局层面实施基于角色的访问控制。

  • 内置角色:Viewer · Contributor · Editor · Admin,用于控制草稿、编辑和设置权限。
  • 细粒度权限(doc:read:own_dept、wiki:edit:all、org:settings:manage 等)。
  • 审计日志,记录每项特权操作——设置更改、计划批准和角色更新。

🔌 面向 Claude 及其他 AI 客户端的 MCP 服务器

员工通过 OAuth 2.1 + PKCE 将 Claude Desktop 或 Claude.ai 连接到 Arkon——只需添加服务器 URL 并通过浏览器登录即可。无需手动复制令牌。MCP 服务器提供:

  • Wiki 工具 - search_wiki、read_wiki_page、list_wiki_pages、read_wiki_index。
  • 来源钻取 - get_source、get_source_outline、get_source_pages、list_sources。
  • 编辑工作流 - propose_wiki_edit、edit_wiki_page、list_pending_drafts、review_draft、approve_draft、reject_draft。
  • 发现 - list_knowledge_types、get_knowledge_type_docs。

所有工具都强制按令牌范围(部门、知识类型、来源列表)执行。

🧰 AI 技能分发

上传一次自定义智能体包,即可在整个组织中分发。

  • 带版本号的技能包(包含 SKILL.md 的 .zip 文件)。
  • 部门级可见性。
  • 面向最终用户更新的贡献工作流。

🤖 可插拔 AI 提供商

目录驱动的模型选择——管理员从精选列表中选择,列表中展示上下文窗口、成本和能力元数据。

  • LLM: Anthropic Claude(Opus / Sonnet / Haiku 4.x)、Google Gemini(3.x Pro / Flash / Flash-Lite、2.5)、OpenAI(GPT-5.x、GPT-4.x)。
  • Embedding: Google gemini-embedding-*、OpenAI text-embedding-3-*——可切换并支持在线重新嵌入迁移(激活模型在完成后原子切换,无零结果搜索窗口)。
  • 视觉: Google Gemini Flash、OpenAI GPT-4o 系列。

🔒 隐私与安全优先

  • 自托管。 通过 Docker 在本地或私有云中部署。
  • 无遥测。 出站流量仅指向您选择的 AI 提供商。
  • 静态加密。 API 密钥使用 Fernet 加密存储在 PostgreSQL 中。

🛠️ 技术栈

  • 后端: FastAPI · PostgreSQL + pgvector · Redis(arq workers)· MinIO
  • 前端: Next.js · Tailwind CSS
  • AI 集成: 通过 FastMCP 实现模型上下文协议
  • 文档解析: PDF、DOCX、DOC、纯文本、URL、嵌入式图像

💻 服务器要求

Arkon 运行 7 个 Docker 容器(PostgreSQL + pgvector、Redis、MinIO、FastAPI API、2 个 ARQ workers、Next.js 前端)。下表根据团队规模提供推荐配置:

入门版团队版企业版
团队规模1 – 2020 – 100100+
vCPU2 核4 核8+ 核
RAM4 GB8 GB16+ GB
存储40 GB SSD100 GB SSD250+ GB NVMe SSD
操作系统Ubuntu 22.04+ / Debian 12+Ubuntu 22.04+ / Debian 12+Ubuntu 22.04+ / Debian 12+
使用场景评估 / 小团队部门级部署全组织推广
  • RAM 是主要瓶颈——MRP 流水线 worker 在 wiki 编译期间会将大型 LLM 上下文窗口加载到内存中。
  • 存储随文档语料库扩展——pgvector 索引、MinIO 文件存储和 PostgreSQL WAL 日志是主要消费者。
  • 所有 AI 推理均在外部进行(Anthropic / Google / OpenAI API),因此不需要 GPU。
  • 生产环境建议使用带 SSL 的反向代理(Nginx / Caddy)。请参阅 设置指南。

🚦 快速开始(Docker)

Arkon 是为团队而非个人打造的。 如果您需要的是个人知识管理工具,Obsidian (https://obsidian.md) + Claude Skills 会更简单。

不熟悉技术? 无需自托管——联系我们获取免费引导式演示,专为您的团队定制。无需配置,无需 Docker,只需带您了解 Arkon 能为您的组织做些什么。

前置要求: Docker 和 Docker Compose,以及您选择的 AI 提供商(Anthropic、Google 或 OpenAI)的 API 密钥。

  1. 克隆仓库:
git clone https://github.com/nduckmink/arkon.git
cd arkon
  1. 配置环境变量:
cp .env.docker.example .env.docker
# 编辑 .env.docker——设置 SECRET_KEY、管理员凭据以及 Postgres/MinIO  secrets
  1. 启动:
docker compose --env-file .env.docker up -d --build
  1. 访问门户 http://localhost:3119,以管理员身份登录,然后转到设置选择您的 embedding / LLM / 视觉模型并粘贴 API 密钥。

→ 有关开发模式和完整环境变量参考,请参见 设置指南。


🔗 连接 Claude

在 Claude Desktop 或 Claude.ai → 设置 → 连接器中,添加自定义连接器:

  • 名称: Arkon
  • URL: https://your-arkon-server/mcp

点击连接——浏览器窗口将打开 Arkon 登录页面——使用您的 Arkon 凭据登录——完成。Arkon 使用 OAuth 2.1 + PKCE,因此无需手动设置令牌。

要让 Claude 持续使用 Arkon,请将以下内容添加到 Claude 的自定义指令(设置 → 自定义指令)中:

Whenever answering questions related to the company — its processes, products, people, departments, policies, or projects — always search Arkon first using the search_wiki tool before relying on general knowledge.

如需更强的强制措施,请在 Claude Desktop 中创建一个项目,将 Arkon 添加为连接器,并将上述文本粘贴为项目指令。

→ 有关完整工具参考,请参见 MCP 与 Claude。


🗺️ 路线图

  • MRP 流水线 - 确定性汇编,支持计划审查、页面合并和崩溃恢复。
  • MCP 服务器 - 带范围的 wiki + 来源 + 草稿工具。
  • 部门与全局范围 - 部门隔离与 RBAC。
  • Wiki 草稿与修订工作流 - 提议、审查、批准、回滚。
  • AI 技能 - 带版本号、部门范围的智能体包。
  • 目录驱动的模型选择 - 从精选列表中选择 LLM、embedding 和视觉模型,附带成本/上下文窗口元数据。
  • 在线 embedding 迁移 - 原子重新嵌入,无搜索停机。
  • 审计日志 - 记录特权操作。
  • 富媒体摄取 - 批量文件夹上传,支持图像、视频和 Excel/电子表格解析,并集成到 MRP 流水线中。
  • 使用分析仪表板
  • 外部数据导入 - 支持 SharePoint、Google Drive、Notion 及其他常见组织数据源的连接器。
  • Arkon CLI - 面向员工的一键设置。
  • 通知系统 - 用于草稿审查和计划批准。

⭐ Star History

Star History Chart (https://star-history.com/#nduckmink/arkon&Date)


📄 许可证

Arkon 采用 PolyForm Internal Use License 1.0.0 许可证。可免费用于内部业务运营;不得将 Arkon 作为服务提供给第三方。如需企业支持或自定义集成,请联系维护者。


关键词: 企业级 AI、模型上下文协议、MCP 服务器、知识管理系统、自托管 RAG、AI 知识库、Claude MCP、LLM 上下文管理、开源 Wiki。


📬 联系方式

主要作者 Minh Nguyen (Nguyễn Đức Minh) —— 越南 (GMT+7) · 英语流利 ✉️ [email protected]

公司 BITSNESS TECHNOLOGY AND SOLUTIONS COMPANY LIMITED ✉️ [email protected]

如需企业咨询、演示请求或自定义集成——请直接发送电子邮件给我们。

相似文章

@QingQ77: 把公司文档自动整理成知识 Wiki,通过 MCP 让每个员工的 AI 客户端拿到对口的上下文,不用再手动粘贴。 https://github.com/nduckmink/arkon Arkon 是可自部署的企业 AI 知识中枢。上传 SO…

X AI KOLs Timeline

Arkon 是一款可自部署的企业 AI 知识中枢,能将公司文档自动编译成交叉链接的知识 Wiki,并通过 MCP 协议让员工的 AI 客户端(如 Claude Desktop)按权限自动获取相关上下文,无需手动粘贴文档。

@arscontexta: https://x.com/arscontexta/status/2105397004226494487

X AI KOLs Timeline

Ars Contexta 阐述了如何构建 agent 代码仓库与知识系统,让 AI agent 拥有持久的上下文、领域专用工具以及可复用的工作方法,以支撑知识型工作,并主张在自有数据之上构建自定义应用,而非依赖彼此割裂的记录系统。