每日文摘
深挖 · 团队知识库横评：WeKnora vs Glean vs MaxKB，内网 + AI coding 场景的终局推荐
三部曲收官。前两篇已经把候选人挨个过了一遍：Glean（275 连接器的闭源独角兽）和 MaxKB（飞致云的开箱即用派），加上 2026-09-17 深挖过的 WeKnora（腾讯开源的 RAG+Agent+Wiki 三合一）。这一篇把它们放进同一个验收框架，给出最终推荐。
先把验收标准钉死，这是整个横评的地基：在内部建团队知识库，要接入 AI coding 工具链（Claude Code / Cursor / ZCode 这些 coding agent 的日常流程），需要 API 形式调用，评测回答质量和使用便捷度。 展开成六个可判定的子项：自托管与数据主权、API 开放面、AI coding 接入粒度、回答质量证据、使用便捷度、团队权限管理。
六维对比
| 维度 | WeKnora | Glean | MaxKB |
|---|---|---|---|
| 自托管 | ✅ 5 容器 compose / 4C8G / Lite 单二进制 / 离线部署 | ❌ 无（Customer Hosted 也是 Glean 管控的托管服务） | ✅ 单容器 + 离线安装包（三者最简） |
| License | ✅ MIT | 闭源 SaaS | ⚠️ GPLv3 + 「二开后商用」官方口径矛盾 |
| API 面 | ✅ 约 360 个 REST 端点全开放 + capability API Key | ✅ 三面 API + 四语言 SDK（需企业订阅，设计标杆） | ⚠️ 应用级 OpenAI 兼容端点可用；平台级管理 API 付费（¥4.8 万/套） |
| AI coding 接入 | ✅ 官方 MCP server 29 个知识库/文档级工具 + dsh 插件 + CLI | ✅✅ Remote MCP + 22 host + Claude Code/Cursor 官方插件（体验标杆） | ⚠️ MCP server 是应用级单工具粒度，无社区接入实录 |
| 回答质量证据 | ⚠️ 官方零 benchmark，但有 53AI 第三方生产实测 R@5≈0.81，管线可治理 | 官方口径漂亮（Zapier 2.4x），独立口径为零，黑盒 | ❌ 官方零数字 + 第三方零实测 + 论坛「测试与线上不一致」持续投诉 |
| 团队权限 | ✅ 多工作区 RBAC 四级 + 审计 + OIDC 开箱 | ✅✅ 源系统 ACL 镜像（天花板，但只在 SaaS 形态下） | ❌ 社区版仅两级用户，RBAC/检索权限付费 |
三个「✅✅」都在 Glean 那一列，两个「❌」也在 Glean 那一列——这就是它的画像：能力天花板最高，形态约束最死。
决定胜负的三个分歧点
第一个分歧：API 面。 「API 形式调用」这个需求在三家的落地完全不同。WeKnora 是 360 个端点全开放，从知识库管理到文档操作到会话管理都能编程操作，配 capability 级 API Key（WeKnora README）。MaxKB 聪明地给了应用级 OpenAI 兼容端点（任何支持自定义 base_url 的工具零改造接入），但知识库/文档管理这些平台级 API 锁在 X-Pack 付费版里（系统API（X-Pack））——想写脚本批量管文档，先掏 ¥4.8 万。Glean 的 API 设计是三者最完整的（Platform/Client/Indexing 三面 + 四语言 SDK），但它要你先有企业订阅。
第二个分歧：MCP 粒度。 接入 AI coding 流程，MCP 是主通道，而三家的 MCP 有数量级差异。WeKnora 官方 MCP server 暴露 29 个工具，知识库级、文档级的操作都有，coding agent 可以把知识库当结构化数据源用。Glean 的 Remote MCP Server 权限随行（每人只能检索自己有权看的内容），还有 Claude Code/Cursor/Codex 官方插件——接入体验是标杆，这也是它作为「参照系」的最大价值。MaxKB 的 MCP server 源码实证是每个应用暴露一个 agent_{id} 工具、单个 message 参数、纯文本进出（apps/chat/mcp/tools.py）——是「挂一个问答应用」而不是「操作知识库」；而且 v2.10.0 修过 MCP 认证后 RCE、v2.10.4 修过过期 Key 越权，对接必须用最新 lts。
第三个分歧：质量证据。 回答质量是最难评的维度，只能看证据链。WeKnora：官方诚实地说没有 benchmark，但检索管线每一环都文档化（BM25+稠密并行召回、RRF 加权、rerank 复合打分、MMR 去冗余、父子块回捞），且有 53AI 的生产级实测——修正后 R@5≈0.81，六类攻击 30/30 防住（53AI）；更重要的是 chunk 可编辑、带版本回滚，「检索不准的时候能上手修」。Glean：官方案例数字漂亮，独立验证为零，内部栈黑盒。MaxKB：三层皆弱——官方不给数字、第三方没实测、官方论坛「命中测试没问题，一发布成傻子」「100% 同名切片检索不出来」这类投诉从 2024 年持续到 2026（t/7655、t/13976）。
还有一条独立佐证值得单独说：CSDN 上有一篇清单式选型文，作者拿「私有化/多库增量入库/混合检索+rerank/知识沉淀/多租户/IM+OpenAI 兼容 API/可观测可评测」七项给 Dify/FastGPT/RAGFlow/MaxKB/WeKnora 打分，MaxKB 输在知识沉淀与可评测性，最终选了 WeKnora（CSDN 选型文）。我们的结论与它同向，但不是抄它——框架不同，证据独立。同一篇文章也记录了反例：复杂表格场景有人实测四款后选了 RAGFlow（DeepDoc 表格识别 90%+）。这提醒我们场景化验证不可省。
推荐
主基座：WeKnora。 理由收拢成一句：它是三者中唯一同时满足「自托管 + 360 端点全开放 + 29 工具粒度 MCP + 开箱 RBAC + MIT」全部硬条件的候选，且回答质量有第三方生产实测背书、管线可治理。中文原生、飞书/语雀/钉钉数据源、企微/飞书 IM 接入（WebSocket 长连接免公网域名）这些国内生态纵深，对内部团队场景都是实打实的加分。
Glean：不采购，当参照系。 部署形态出局是硬的；但它用 SaaS 方式解决权限和连接器这两个最脏问题的思路值得抄——OAuth 2.1+PKCE 的 MCP 认证、权限随行的 agent 身份、Code Search 工具的设计，都是 WeKnora 后续演进可以对照的图纸。如果公司未来走全员 SaaS 路线、100+ 席位、数据治理成熟，可以重新评估它。
MaxKB：不当主基座。 它是「智能体平台附带 RAG」（Dify 式），本场景要的是「知识库服务附带 Agent」——产品形态错位，导致 API 面、MCP 粒度、质量证据三项全部打在验收要害上。它的正确生态位是给业务部门快速挂一个中文问答机器人：三步上手、全中文、单容器部署，这个场景它做得确实好。
风险清单与落地路径
推荐不是终点，WeKnora 的已知风险要带进试点：官方零 benchmark（试点时自建 20–50 条真实问题集验收，别直接全量）；单人主导的巴士因子（lyingbug 占约 2/3 commits，锁 lts 版本、定期备份 PG 和 /data 卷）；0.x 版本有破坏性变更史（升级前读 QA.md）；中文 BM25 有调优坑（打开 jieba 查询扩展、控制同一文档多版本雷同）。
落地路径按现有拓扑走：Lite 版本机先试 → 202 上标准五容器（模型先走 207 的 LiteLLM，再评估 206 的 Ollama：qwen3:8b + bge-m3 + reranker，3090 可载）→ 建团队空间 invite_only + RBAC → MCP 接进 Claude Code/ZCode/DSH 工具链 → 企微/飞书机器人推给团队 → 自建基准验收后全量。
参考阅读
- WeKnora README_CN — 推荐方第一手真源
- WeKnora RAG 管线文档 — 回答质量的技术面真源
- 53AI 选型复盘 — WeKnora 唯一第三方生产实测
- Glean About deployment — Glean 出局项的官方证据
- Glean MCP 指南 — 参照系价值真源
- MaxKB 系统API（X-Pack） — MaxKB 付费墙证据
- MaxKB 论坛检索命中率帖 — 质量痛点一手帖
- CSDN《从个人知识库到企业级 RAG：我们最终选了 WeKnora》 — 独立第三方同向结论