MaxKB（Max Knowledge Base）介绍
MaxKB是一款基于大语言模型和RAG（检索增强生成）的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究和教育等领域。该系统旨在提供高效的知识管理和问答服务。
产品优势
-
开箱即用
用户可以直接上传文档或自动爬取在线文档，系统支持文本自动拆分、向量化处理和RAG技术，有效降低大模型的幻觉现象，提供良好的智能问答交互体验。 -
快速接入
MaxKB支持零编码嵌入到第三方业务系统，快速接入企业微信、钉钉、飞书、公众号等应用，帮助现有系统迅速获得智能问答功能，提升用户满意度。 -
灵活编排
系统内置强大的工作流引擎和函数库，能够灵活编排AI工作过程，以满足复杂业务场景的需求。 -
模型中立
MaxKB支持对接多种大模型，包括本地私有模型（如Llama 3、Qwen 2等）、国内公共模型（如DeepSeek、SILICONFLOW、通义千问等）以及国外公共模型（如OpenAI、Azure OpenAI等）。
安装指南
Docker Compose
以下是配置MaxKB的Docker Compose示例：
services:
maxkb:
image: 1panel/maxkb:latest
container_name: maxkb
volumes:
- /vol1/1000/docker/maxkb/data:/var/lib/postgresql/data
- /vol1/1000/docker/maxkb/python-packages:/opt/maxkb/app/sandbox/python-packages
ports:
- "8080:8080"
restart: always
使用说明
在浏览器中输入 http://NAS的IP:8080，即可访问系统界面。
输入管理员账号和密码进行登录：
- 管理员账号：admin
- 密码：MaxKB@123..
首次使用时，需要修改初始密码。
进入系统面板，界面设计简洁明了。
创建知识库
首先创建一个新的知识库。
根据系统提示填写相关信息。
创建完成后，需上传文档以丰富知识库。
支持上传的文档格式包括TXT、Markdown、PDF、HTML、XLS、XLSX、CSV和ZIP等。
系统会自动进行文本分段，虽然效果可能不够理想（使用VSCode查看文档能更好地展示分段）。
通过选择高级分段选项，可以根据文本中的特殊符号“------------”进行更精确的分段处理。
在右侧可以进行文本编辑。
可以为每个分段单独设置标题。
设置完成后，点击“开始导入”。
在等待索引完成的同时，还可以继续添加更多文档，丰富知识库内容。
在知识库中，可以创建问题并填写回答内容。
通过输入内容进行命中测试，以验证系统的准确性。
如果命中率较低，可以选择不同的检索模式并调整相关参数设置。
在设置中，可以修改基本信息和关联应用。
添加模型
在系统设置中选择模型设置，这里分为公有模型和私有模型。
公有模型支持的平台种类丰富。
示范添加一个OpenAI模型（通过之前部署的One API）。
以下是参考设置。
私有模型是指在本地运行的模型。
示范添加一个Ollama模型（需在本地运行，速度可能较慢）。
参考设置（API Key可以随意填写）。
添加模型后即可完成设置。
创建应用
在“应用”菜单中选择“创建应用”。
填写应用名称后，点击“创建”即可。
选择AI模型（其他设置可在后续调整）。
在右侧进行测试，以确保模型可以正常调用。
在未关联知识库之前，提问相关内容。
关联知识库后，回复内容会有所不同，效果明显。
小提示
我测试了使用Ollama本地模型，虽然可行，但速度较慢。
确认无误后，点击“保存并发布”。
创建完成后，可以点击打开并查看知识库。
在概览中，数据和图表展示清晰直观。
访问该链接以体验知识库的聊天机器人功能。
命中测试可以通过调节参数进行优化。
聊天记录会记录提问和回答的全过程。
总结
总的来说，我强烈推荐大家尝试部署MaxKB。对于初次接触知识库的用户而言，上手难度极低。整个流程清晰明了，只需上传文档并选择模型，即可快速创建应用。系统界面设计美观，布局合理，各项设置选项一目了然，用户可顺畅操作。