使用MaxKB部署本地知识库问答系统，大模型入门到精通，收藏这篇就足够了！

在人工智能技术飞速发展的今天，搭建一个本地化知识库问答系统已成为企业和个人高效管理信息的利器。MaxKB 作为一款基于大语言模型和 RAG 的开源知识库问答系统，支持对接多种大模型，包括本地私有大模型（DeepSeek R1 / Llama 3 / Qwen 2 等）、国内公共大模型（通义千问 / 腾讯混元 / 字节豆包 / 百度千帆 / 智谱 AI / Kimi 等）和国外公共大模型（OpenAI / Claude / Gemini 等），无需编程基础即可快速部署。

在Windows系统本地部署DeepSeek详细教程中介绍了如何在自己的电脑上本地部署 DeepSeek-R1-8B 模型，本文将简单介绍如何安装和使用MaxKB，基于DeepSeek模型轻松构建自己的智能知识库！

01

安装准备

1.1

系统要求

• 操作系统：Linux（推荐Ubuntu/CentOS）或Windows，本文使用的操作系统为Windows11

• 硬件：至少4GB内存，20GB硬盘空间（若使用大模型需更高配置），本文基于本地部署的 DeepSeek-R1-8B 模型，具体配置要求可参考Windows系统本地部署DeepSeek详细教程

1.2

安装Docker

MaxKB推荐使用Docker部署，Docker安装方法可参考：容器技术介绍：Docker简介及安装。

02

安装步骤

2.1

拉取MaxKB镜像

命令行窗口执行如下命令拉取maxkb：

$ docker pull 1panel/maxkb
$ docker images
REPOSITORY     TAG       IMAGE ID       CREATED       SIZE
1panel/maxkb   latest    c239d64826e8   3 weeks ago   3.66GB

2.2

启动容器

执行如下命令启动：

$ docker run -d --name=maxkb \
--restart=always \
-p 8086:8080 \
-v D:/devWorkspace/AI_tools/maxkb/data:/var/lib/postgresql/data \
-v D:/devWorkspace/AI_tools/maxkb/python-packages:/opt/maxkb/app/sandbox/python-packages \
1panel/maxkb

参数说明：

• -d：容器后台运行
• --name=maxkb: 指定为容器名称为 maxkb。
• --restart=always: 定义容器重启策略为“总是重启”。
• -p 8086:8080: 端口映射，将宿主机的 8086 端口映射到容器的 8080 端口。
• -v D:/.../data:/var/lib/postgresql/data: 挂载数据卷，将宿主机目录 D:/devWorkspace/AI_tools/maxkb/data 映射到容器内的 PostgreSQL 数据目录。
• -v D:/.../python-packages:/opt/maxkb/app/sandbox/python-packages: 挂载自定义 Python 依赖包目录。

2.3

访问MaxKB

打开浏览器输入 http://localhost:8086，使用如下默认用户名密码登录：

# username: admin
# pass: MaxKB@123..

03

使用MaxKB

3.1

模型设置

先配置用户环境变量 OLLAMA_HOST 变量，值为 0.0.0.0。

配置完成后，重启 Ollama 服务。

接下来访问MaxKB，登陆后点击“系统设置”，然后点击左侧“模型设置”，点击“添加模型”，

弹出框中选择ollama，然后按照如图界面填写。

3.2

创建应用

点击上面菜单的“应用”，点击“创建应用”。

然后进行设置

创建完成后，点击创建的应用，点击“演示”，就可以开始对话了

3.3

创建知识库

打开【知识库】页面，点击【创建知识库】，进入创建知识库页面。

可设置分段规则：

知识库创建完成后，回到应用设置页面关联创建的知识库，关联完成后，使用AI对话时就会引用知识库，这样一个简单的个人知识库就创建完成了：

如果要创建其它知识库，再创建一个应用，然后关联知识库即可。

04

参考文档

1. MaxKB官网： https://maxkb.cn/

2. MaxKB GitHub仓库：https://github.com/1Panel-dev/MaxKB

3. MaxKB官方论坛：https://bbs.fit2cloud.com/c/mk/11

END

在意义之塔上，生存高于一切，面对生存，任何低熵体都只能两害相权取其轻。

——《三体Ⅲ死神永生》

---

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：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】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！