SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI开发平台beever-atlas

beever-atlas

Beever Atlas 是一个将团队聊天记录自动转化为知识库的开源工具。它从 Slack、Discord、Microsoft Teams 和 Mattermost 拉取对话，提取原子事实、去重并聚类成带引用的主题页面，同时用图存储关联人物、决策和项目。用户可以用自然语言提问，答案会引用回原始消息，既可通过仪表盘使用，也可通过 MCP 接入 Claude Code 和 Cursor。项目采用 Docker Compose 部署，包含后端、机器人、前端三个服务以及 Weaviate、Neo4j、MongoDB、Redis 四个数据存储，遵循 Apache 2.0 许可。

访问官网

工具介绍

Beever Atlas 是一个面向团队的开源对话知识库，目标是把团队在 Slack、Discord、Microsoft Teams 和 Mattermost 中已有的聊天内容，自动转化为一个可自我维护的 wiki。它从对话中提取原子事实、去重，并聚类成带引用的主题页面；同时用图存储链接跨频道提到的人物、决策和项目。用户可以用自然语言提问，答案会引用回源消息，既可通过仪表盘使用，也可通过 MCP 接入 Claude Code 和 Cursor。

主要能力

  • 多平台接入：支持 Slack、Discord、Microsoft Teams、Mattermost 的对话拉取与同步。
  • 自动生成 wiki：每个同步的频道会生成持续更新的 wiki，包含主题、实体、决策、开放问题和时间线等部分，并随新消息增量重建。
  • 双记忆系统：一个三层语义存储（频道/主题/原子事实）用于快速混合搜索，一个图存储用于提取实体及其关系。
  • 带引用的问答：问答代理优先检索 wiki，尚未蒸馏的事实时回退到原始消息；答案可追溯到源消息。
  • MCP 服务器：在 /mcp 暴露 28 个工具，供 Claude Code、Cursor 等外部 AI 代理查询团队知识库，也提供独立 stdio 模式。
  • 媒体持久化：同步频道中的图片、PDF、视频会被持久保存，默认存于数据库，也可使用 MinIO/S3。

使用方式

项目以 Docker Compose 栈形式发布，包含后端、机器人、前端三个服务，以及 Weaviate、Neo4j、MongoDB、Redis 四个数据存储。

  1. 获取代码。
  2. 可选：运行 make demo 启动预置公开 Wikipedia 语料（Ada Lovelace 与 Python 历史）的完整栈，种子数据使用预计算夹具，无需 API 密钥；通过 /api/ask 提问需要免费的 GOOGLE_API_KEY，因为问答代理调用 Gemini。
  3. 安装前需要两个免费密钥，均提供免费额度。
  4. 选择部署方式：
    • 一行安装（推荐）：./atlas 引导五步清单，包括嵌入模型提供商（Jina / OpenAI / Cohere / Voyage / Gemini / Mistral / Ollama）、代理 LLM 提供商（Google Gemini / OpenAI / Anthropic / Mistral / DeepSeek / Groq / MiniMax / Ollama / 自定义）、图后端（Neo4j 或跳过）、可选集成（Tavily 网络搜索、MCP 服务器）、认证令牌。安装器会检查 docker 与 docker compose，复制 .env.example 到 .env，自动生成 CREDENTIAL_MASTER_KEY 和 WEAVIATE_API_KEY，做端口冲突预检，启动栈并轮询 /api/health。
    • 手动 Docker：逐步控制，填写 .env 中两个必需密钥并生成两个必需密钥。
    • 本地开发：数据库在 Docker 中，应用服务原生运行以支持热重载，需要 Python 3.12+ 与 uv、Node.js 20+，访问 http://localhost:5173。
  5. 打开仪表盘：选项 1 和 2 访问 http://localhost:3000，选项 3 访问 http://localhost:5173。
  6. 同步频道：在仪表盘 Connections → Add Workspace → 选择频道 → Sync，或通过 API 操作。

真实模式（默认，ADAPTER_MOCK=false）下，在 Settings → Connections 连接工作区，Slack / Discord / Teams 令牌通过 UI 输入而非 .env。模拟模式（ADAPTER_MOCK=true）使用夹具数据，适合无平台凭据的本地 UI 迭代。

适用场景

  • 团队希望知识库能从已有聊天中自动生长，而非手动维护。
  • 需要可追溯引用的问答，答案能链接回原始 Slack/Discord/Teams 线程。
  • 新成员加入频道时，可阅读蒸馏后的 wiki 而非翻阅数月历史。
  • 希望通过 MCP 让 Claude Code、Cursor 等外部 AI 代理查询团队知识库。
  • 需要图感知推理，回答“谁和谁一起做过 X”这类关系型问题。

限制与说明

  • 所有 /api/* 端点在 0.1.0 中标记为不稳定；v0.2.0 将引入 /api/v1/* 前缀，固定当前路径的客户端会失效。
  • 默认不收集遥测，所有 LLM 调用使用用户自行配置的 API 密钥，数据留在用户控制的数据库中。
  • 生产部署前需轮换 .env.example 中占位符密钥并切换环境标志。
  • 项目采用 Apache License 2.0，第三方归属见 NOTICE。
  • 社区渠道包括 Discord、X/Twitter、官网和 GitHub Discussions；商业支持、合作或媒体联系 tech@beever.ai。

同类工具

查看分类