免费开源的知识库神器！MaxKB 让你轻松搭建智能问答系统

原创 于 2025-05-09 23:00:00 发布
· 826 阅读 · 25 ·
版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#开源

免费开源的知识库神器！MaxKB 让你轻松搭建智能问答系统

MaxKB（Max Knowledge Base）是一款基于大语言模型（LLM）和检索增强生成（RAG）的开源知识库问答系统，支持智能客服、企业知识管理、学术研究等场景。本文将详细介绍其功能、部署流程及使用技巧，助你快速上手。

MaxKB 是什么？

MaxKB 是一款企业级 AI 助手 ，核心能力包括：

  • • RAG 检索增强生成 ：通过向量化技术与语义检索，显著减少大模型幻觉，提升问答准确率

  • • 多模型兼容 ：支持本地私有模型（如 DeepSeek、Llama）、国内公共模型（通义千问、腾讯混元）及国外模型（OpenAI、Claude）

  • • 零代码嵌入 ：无缝集成至网站、钉钉、企业微信等第三方系统，快速赋能现有平台

  • • 高级编排能力 ：内置工作流引擎与函数库，实现复杂业务逻辑的可视化编排

  • • 开源与社区 ：MaxKB 遵循 GPLv3 开源协议，日均下载量超 1000 次，广泛应用于智能客服、教育等领域

核心功能亮点

1. 开箱即用的知识库管理

  • • 文档支持格式 ：Markdown、PDF、DOCX、XLSX、CSV 等，并支持 ZIP 打包上传（含图文关联）

  • • 智能分段技术 ：自动按标题层级拆分文档（最多 6 级），单段最长 4096 字符，避免信息冗余

  • • 向量化存储 ：集成默认向量模型（如 maxkb-embedding），支持自定义模型对接

2. 灵活的大模型集成

  • • 多模型适配 ：支持本地私有化部署模型（如 DeepSeek）与公有云模型（如 OpenAI）混合使用，降低算力成本

  • • 动态切换 ：在模型管理界面一键切换不同供应商，满足不同场景下的性能与成本需求

3. 高级工作流编排

  • • 可视化编排 ：通过拖拽节点设计复杂流程，如“用户提问 → RAG 检索 → 逻辑判断 → 函数调用 → 生成回答”

  • • 函数库扩展 ：内置 Python 脚本库，支持自定义数据处理、信息提取等功能，如提取合同关键字段或清洗日志数据

4. 安全与监控

  • • 访问控制 ：支持 IP 白名单、API 密钥鉴权，保障数据安全

  • • 实时监控 ：提供对话日志、调用次数、响应耗时等指标，辅助优化问答效果

部分功能截图

none

 

none

 

部署要求

服务器配置

  • • 操作系统：Ubuntu 22.04 / CentOS 7.6 64 位系统；

  • • CPU/内存： 4C/8GB 以上；

  • • 磁盘空间：100GB；

Docker 快速部署

MaxKB 支持一键启动，仅需执行以下命令：

# Linux 操作系统docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages registry.fit2cloud.com/maxkb/maxkb    # Windows 操作系统docker run -d --name=maxkb --restart=always -p 8080:8080 -v C:/maxkb:/var/lib/postgresql/data -v C:/python-packages:/opt/maxkb/app/sandbox/python-packages registry.fit2cloud.com/maxkb/maxkb

启动成功后访问：http://ip:8080

image-20250509141041267

 

默认登录信息用户名：admin默认密码：MaxKB@123..

快速版本升级

下载最新镜像

docker pull registry.fit2cloud.com/maxkb/maxkb

查看并确认上一次数据持久化目录，复制保存

docker inspect maxkb

none

 

删除正在运行的、旧版本的 MaxKB 容器

docker rm -f maxkb 

启动并运行新版本的 MaxKB 容器

注意： 务必确认数据持久化目录（即命令行中 -v后的目录）要跟第 (2) 步查看目录保持一致，否则启动后整个系统的数据为空。

docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages registry.fit2cloud.com/maxkb/maxkb

功能使用

模型管理

在使用之前我们需要先配置任意一个大模型，支持供应商如下

image-20250509152706588

 

image-20250509152636554

 

知识库

创建知识库

image-20250509142517533

 

填写相关配置

这里我们创建一个 IT 知识库，用于帮助我们检索我们自己记录的一些笔记

image-20250509142958621

 

这里我们使用 maxkb-embedding 默认的向量模型，你也可以添加其他平台或者自己的模型

image-20250509143109144

 

创建完成后会显示下图

image-20250509143214555

 

上传文档

上传文档要求：

  • • 文本文件：Markdown、TXT、PDF、DOCX、HTML、XLS、XLSX、CSV、ZIP；

  • • 表格：XLS、XLSX、CSV、ZIP;

  • • QA 问答对：XLS、XLSX、CSV、ZIP；

  • • 每次最多上传 50 个文件；

  • • 每个文件不超过 100 MB；

  • • 支持选择文件夹，上传文件夹下符合要求的文件。

说明： ZIP 文件包括两种形式：

  • • MarkDown 文档 + 图片文件，MarkDown 文档中引入对应的图片，并将两者打包在 ZIP 中。

  • • XLS/XLSX 文件 + 图片文件，XLS/XLSX 文件中引入对应的图片，并将两者打包在 ZIP 中。

image-20250509143829550

 

配置文档分段规则

image-20250509143952723

 

对于知识库文件的分段，目前 MaxKB 支持智能分段以及高级分段两种方式。

智能分段

（1）MarkDown 类型文件智能分段规则

  • • 根据标题逐级下钻式分段（最多支持 6 级标题），每个段落最多 4096 个字符；

  • • 当最后一级的文本段落字符数超过设置的分段长度时，会查找分段长度以内的回车进行截取。

（2）HTML、DOCX 类型智能分段规则

  • • 识别标题格式转换成 markdown 的标题样式；

  • • 逐级下钻进行分段（最多支持 6 级标题），每个段落最多 4096 个字符。

（3）TXT和 PDF 类型文件智能分段规则

  • • 按照标题# 进行分段，若没有#标题的则按照字符数4096个字符进行分段；

  • • 查找分段长度以内的回车进行截取。

文档规范建议

  • • 分段标识规范：离线文档的分段标识要有一定规范，否则拆分出来的段落不规整。

  • • 段落完整：在一个分段中集中描述一个完整的内容。

高级分段

用户可以根据文档规范自定义设置分段标识符、分段长度及自动清洗。

  • • 分段标识支持：#、##、###、####、#####、######、-、空行、回车、空格、分号、逗号、句号，并支持手动输入其它分段标识符或正则表达式。

  • • 分段长度：单个分段的长度，范围 50 至 4096 个字符。

  • • 自动清洗：开启后系统会自动去掉重复多余的符号如空格、空行、制表符等。

导入时添加分段标题为关联问题

勾选后会把所有分段的标题设置为分段的关联问题。

问题这部分上传时最好人工校验一下准确性，如果文档不是很规范，会有很多垃圾数据

image-20250509144444173

 

命中测试

可以通过搜索来验证我们分段的准确性，这里我搜索的是Maven 阿里云

image-20250509144812868

 

问题

MaxKB 知识库管理员可以收集用户可能提出的相关问题，创建问题并关联知识库文档中的内容，维护知识库常见问题列表，以提高问答的准确度。

问题列表

 

另外知识库支持自动生成用户可能问的问题，帮助我们补充问题

image-20250509150411657

 

函数库

函数是通过Python写的一个脚本

MaxKB 支持用户根据自身的业务需求，通过内置函数或自定义函数对获取和查询数据，逻辑判断、信息提取或其它场景的操作。 函数创建完成后，在应用编排时以添加组件的方式调用这些函数，从而更好地满足各种复杂的业务需求。这种组件化的设计不仅提高了工作效率，还使得整个系统更加模块化，便于维护和扩展。

下面是一些内置的函数库

image-20250509150651139

 

也可以自定义函数库

image-20250509150828493

 

应用

简单配置应用

通过配置 Prompt、知识库等参数快速生成一个智能体。

image-20250509151139361

 

image-20250509151450459

 

调试预览

可以问些问题验证效果

image-20250509151623769

 

嵌入第三方

可以直接嵌入到第三方系统

image-20250509151749361

 

访问限制

可以配置访问限制

image-20250509152049995

 

演示

image-20250509152206026

 

使用监控

image-20250509152245302

 

对话日志

image-20250509152310125

 

高级编排应用

新创建的高级编排应用会默认生成简易工作流，可以根据自己的需求进行自定义编排，点击发布后生效。

注意：

  • • 画布上的节点必须在工作流程中，不能有流程外的孤立节点，否则在发布时会校验失败。

  • • 每个节点可以根据节点的用途进行重命名，双击节点名称即可重命名，但同一个工作流编排中节点名称不能重复。

  • • 连线的后置节点可以引用前置节点的输出参数，如果节点名称变更，需要重新复制变量，参数引用方式是{{节点名称.变量名称}}。

image-20250509152422831

 

总结

目前来看 MaxKB 能满足我们大部分需求，其基于 RAG（检索增强生成）技术的核心能力，能够将非结构化数据（如文档、表格）转化为向量存储并生成精准回答，显著降低了传统问答系统对单一模型的依赖性与幻觉问题。通过内置的 工作流引擎 和 函数库，MaxKB 支持复杂业务逻辑的可视化编排，例如“用户提问 → RAG 检索 → 逻辑判断 → 函数调用 → 生成回答”的全流程自动化处理，灵活适配智能客服、合同条款提取等场景。

相关链接

  • • 官网：https://maxkb.cn/

  • • Github：https://github.com/1Panel-dev/MaxKB

AnythingLLM一个开源免费且容易搭建和使用的本地AI问答知识库助手的应用
洛阳泰山的博客
12-02 3145
您一直在寻找的全方位AI应用程序。与您的文档聊天，使用AI代理，高度可配置，多用户，无需繁琐的设置。👉 适用于桌面（Mac、Windows和Linux）的AnythingLLM！这是一个全栈应用程序，可以将任何文档、资源（如网址链接、音频、视频）或内容片段转换为上下文，以便任何大语言模型（LLM）在聊天期间作为参考使用。此应用程序允许您选择使用哪个LLM或向量数据库，同时支持多用户管理并设置不同权限。
RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐
热门推荐
丨汀、的博客
07-30 3万+
RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐
基于大语言模型和 RAG 的知识库问答系统 开箱即用、模型中立、灵活编排，支持快速嵌入到第三方业务系统
12-03
MaxKB = Max Knowledge Base，是一款基于大语言模型和 RAG 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、学术研究与教育等场景。开箱即用、模型中立、灵活编排，支持快速嵌入到第三方业务系统。
MaxKB+Ollama 构建私有化知识库问答系统
weixin_42466789的博客
09-14 2111
官网链接（MaxKB 是一款基于 LLM 大语言模型的知识库问答系统。MaxKB = Max Knowledge Base，旨在成为企业的最强大脑。开箱即用：支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化，智能问答交互体验好；无缝嵌入：支持零编码快速嵌入到第三方业务系统；多模型支持：支持对接主流的大模型，包括 Ollama 本地私有大模型（如 Llama 2、Llama 3、qwen）、通义千问、OpenAI、Azure OpenAI、Kimi、智谱 AI、讯飞星火和百度千帆大模型等。
干货分享｜MaxKB智能问数方案及步骤详解
最新发布
FIT2CLOUD飞致云的博客
04-28 1277
通过“MaxKB+数据库MCP Server+QuickChart MCP Server”实现智能问数。
Ollama+DeepSeek+MaxKB搭建本地知识库
wal1314520的博客
02-19 3710
基于上面的步骤，我们就成功部署了MaxKB，下面我们就要开始创建本地知识库，这部分相对就比较简单了，可以参考MaxKB官网文档（https://maxkb.cn/docs/quick_start/）进行查看。希望我的这篇文章，能够帮助小伙伴们搭建本地化的知识库，MaxKB是一个开源工具，也可以用别的替代它的功能，现在市面上的几个开源的都差不多，选择一个自己喜欢的就好。直接点OK按钮就进入安装了。登录后主界面如下，一般流程是创建知识库，再配置本地大模型，最后创建应用，就完成本地知识库的搭建了。
Maxkb——无需代码，快速构建自己的AI助手
程序员阿龙的博客
07-13 1万+
无需代码，快速构建一个属于自己的AI助手！
MaxKB 知识库问答系统，基于大语言模型和 RAG（Retrieval-Augmented Generation）技术
huang9604的博客
02-14 1764
MaxKB 知识库问答系统，基于大语言模型和 RAG（Retrieval-Augmented Generation）技术
一文看懂！MaxKB、Dify、FastGPT等LLM框架怎么选（附教程）
pythonhy的博客
02-14 6344
一文看懂！MaxKB、Dify、FastGPT等LLM框架怎么选（附教程）
MaxKB 是一款基于 LLM 大语言模型的知识库问答系统
04-04
MaxKB 是一款基于 LLM 大语言模型的知识库问答系统。MaxKB = Max Knowledge Base，旨在成为企业的最强大脑。支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化，智能问答交互体验好；支持零编码快速嵌入到第三方业务系统；支持对接主流的大模型，包括本地私有大模型（如 Llama 2）、Azure OpenAI 和百度千帆大模型等。
MaxKB+WeDown：我给自己的公众号增加了一个问答小助手（附部署教程）
lythinking的博客
04-18 3103
这个问答系统可以集成到自己的其他网站上，或者自己的项目产品中，而且支持这些模型厂商，然后我前面又介绍了那么多免费api获取的项目，那我就直接利用这些api来构建公众号的知识问答小助手（这个知识库也是支持本地模型的，但是对硬件要求高呀，只能较低版本的模型，那样问答效果就不太好，然后我就准备用3.5来作为基础模型，当然gpt4free这个项目也提供免费的gpt4调用，就是速度有点慢）那里提供了访问的站点和api，还可以嵌入到第三方的网站中，这也是这个项目的特色。到此为止，我们就部署好了一个公众号的问答小助手。
本项目是一个基于大语言模型（LLM）和检索增强生成（RAG）技术的开源知识库问答系统，旨在提供智能客服、企业内部知识库、学术研究和教育等场景的解决方案
03-18
本项目是一个基于大语言模型（LLM）和检索增强生成（RAG）技术的开源知识库问答系统，旨在提供智能客服、企业内部知识库、学术研究和教育等场景的解决方案。项目具备以下特点： 开箱即用：支持直接上传文档或自动...
MaxKB 开源AI知识库问答系统简介和系统架构
洛阳泰山的博客
11-27 1099
假设我们的数据库中有一个集合名为的集合，我们想查询出每个支架号对应的最新的一条数据，即有多少个支架就会有对应多少条最新的支架数据。 我们使用Spring Data MongoDB中的来查询所有支架的最新数据，可以通过构建一个聚合查询来实现。这里假设您的集合名为，每个支架有唯一的，并且每条记录都有一个表示创建时间的字段。以下是使用实现这一功能的Java代码示例： 解释 定义分组操作 ()：定义投影操作 ()：定义排序操作 ()：创建聚合操作 ()：执行聚合查询：通过这种方式，您可以有效地查询所有支架的最新
MaxKB知识库问答系统入选Gitee最有价值开源项目
FIT2CLOUD飞致云的博客
09-29 754
MaxKB是飞致云旗下第四个入选GVP的开源项目。
MaxKB-无需代码，30分钟创建基于大语言模型的本地知识库问答系统
specssss的博客
06-18 2161
模型类型选择 大语言模型基础模型不能随意填写，只能使用ollma模型库中已有的模型类型：https://ollama.com/library，这里我们用的是qwen:1.8b。大模型和知识库创建成功后，就可以创建应用了。点击“应用->创建应用”，填入应用名称和应用描述，注意这里AI模型和关联知识库要选择前面两步创建的AI模型和知识库。除了上面截图中的环境要求外，建议docker的版本不低于20.10.8，否则可能无法启动Ollama服务。API域名填写前面ollama起服务的机器ip和端口（11434）
手把手教你搭建属于自己的智能知识库：Deepseek + 开源工具超详细指南-开源(Cherry、Ragflow、Dify)
真心喜欢你吖研发工程师，记录学习笔记、问题解决方案、知识总结、知识分享；冲鸭！
02-26 1566
Deepseek 是一种强大的语言模型，它就像一个超级聪明的“大脑”，能够理解和生成自然语言。简单来说，你可以问它问题，它会给出答案，甚至还能帮你写文章、做数学题。但是，直接使用这样的模型通常需要强大的硬件支持，比如高端服务器。对于普通用户来说，这显然不太现实。这时候，Ollama 就派上用场了。通过本文你已经了解了如何使用 Deepseek和开源工具搭建一个属于自己的智能知识库。无论是企业级用户，还是个人用户，都能找到适合自己的工具。Ragflow：适合有一定技术基础的用户，功能强大，适合企业级场景。
超详情的开源知识库管理系统- mm-wiki的安装和使用
Alex的博客
08-03 1万+
背景：最近公司需要一款可以记录公司内部文档信息，一些只是累计等，通过之前的经验积累，立马想到了 mm-wiki，然后就给公司搭建了一套，分享一下安装和使用说明：当前市场上众多的优秀的文档系统百家争鸣，但是能够完全开源支持私有化部署的却屈指可数。目前个人了解到的体验较好的有MrDoc和mm-wiki。
打造私有知识库：利用MaxKB投喂大模型
瓦罗兰特顶级C位的博客
04-24 1109
有童鞋说；他们企业要使用自己的大模型，拥有智能体、客服、知识库这些功能。那今天就分享一下如何利用MaxKB打造私有知识库，实现用专属自己、企业等各种私有资料投喂大模型，让大模型成为 “私人定制” 吧！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值