基于开源MaxKB构建大语言模型的本地知识库系统（附全流程教程）

什么是MaxKB

MaxKB是一款基于LLM（Large Language Model）大语言模型的知识库问答系统。MaxKB的产品命名内涵为“Max Knowledge Base”，为用户提供强大的学习能力和问答响应速度，致力于成为企业的最强大脑。

开源：https://github.com/1Panel-dev/MaxKB

文档：https://maxkb.cn/docs/

安装MaxKB

1.系统介绍

系统：ubuntu 22.04   docker：  Docker version 26.1.3, build b72abbb   IP：192.168.1.23

需要安装docker

2.基于Docker安装MaxKB

# mkdir -p /data/docker/maxkb   # docker run -itd --restart always --name=maxkb -p 8080:8080 -v /data/docker/maxkb:/var/lib/postgresql/data 1panel/maxkb

3.浏览器访问

IP+端口访问

输入默认的用户名和密码

# 用户名: admin   # 密码: MaxKB@123..

使用MaxKB

如下图，进入后台之后有“应用”，“知识库”，“系统管理”三大主要功能。

创建应用

主要选择 AI模型，添加模型

除了基于OpenAI、Ollama、百度千帆大模型等在线大模型快速搭建知识库问答系统，这里可以添加第三方的大模型。

本地安装Olloma

MaxKB还支持与以Ollama为代表的本地私有大模型相结合，快速部署本地的知识库问答系统。

可以参考之前的：https://mp.weixin.qq.com/s/TVC_XKC1ZdVggNdas–Mhg

root@star-ai:~# ollama list   NAME                    ID              SIZE    MODIFIED        llama3-cn:latest        8adc5a8a5c36    6.6 GB  11 days ago    qwen:0.5b               b5dc5e784f2a    394 MB  2 months ago   llama2:latest           78e26419b446    3.8 GB  2 months ago   qwen:32b                26e7e8447f5d    18 GB   2 months ago   gemma:latest            a72c7f4d0a15    5.0 GB  2 months ago   phi3:latest             a2c89ceaed85    2.3 GB  2 months ago   llama3:latest           a6990ed6be41    4.7 GB  2 months ago   qwen:14b                80362ced6553    8.2 GB  2 months ago   qwen:latest             d53d04290064    2.3 GB  2 months ago

配置本地的Olloma模型

后台，点击 Olloma再点击添加模型

API 域名 填入本机的安装ollama

api key ，没有则可以随便填

使用

点击演示会在新页面打开

嵌入第三方可以内嵌页

演示：

嵌入第三方

MaxKB创建知识库

1.创建知识库

在MaxKB应用界面中，点击“知识库”菜单，选择创建知识库，填写相关信息后创建并导入知识库。在“知识库类型”选项中，离线文档选择“通用型”类型，在线文档选择“Web站点”类型。知识库创建界面如下：

MaxKB支持用户使用文档列表查看导入的文本数据。系统会自动爬取根地址及子地址的文本数据，按照URL地址生成文档，并自动拆分和进行向量化处理。

2.创建应用

关联知识库

选择刚才的知识库

在知识库中看到关键字“linux教程”

在应用对话中“linux教程”

结尾

MaxKB社区版的一些限制

知识库数量：最多支持创建 50 个

应用数量：最多支持创建 5 个

用户管理：最多支持创建 2 个

把它用作网站或者APP的机器人客服也是不错的选择。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​