Ollama+DeepSeek+MaxKB搭建本地知识库,大模型入门到精通,收藏这篇就足够了!

deepseek+ollama+maxkb部署自己的本地知识库详解【纯玩-详解】 deepseek+ollama+maxkb部署自己的本地知识库详解 阅读详情

最近在研究DeepSeek的本地化部署,之前写的一篇文章《Deepseek本地化部署及训练》,相当于是在本地化已经部署了DeepSeek,感兴趣的小伙伴可以移步去看。但是Ollama没有图形化界面,我找了一个开源项目MaxKB,是一款基于大语言模型和 RAG 的开源知识库问答系统。今天主要是记录下如何Windows系统下本地化安装部署MaxKB并配置知识库。

一、开启系统虚拟化支持

Win10/11更新到最近的版本,并且开启系统虚拟化支持,这块网上教程很多,如果没有开启,请移步搜索引擎查找相关教程。我这边就简单介绍下方法:按Ctrl+Shift+ESC打开任务管理器,切换到性能tab,然后点击CPU,可以查看到虚拟化的启用情况,如下图。

如果没有启动,需要以管理员权限打开CMD命令提示符窗口,然后输入:

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /al1

执行完后需要重启电脑。

二、安装Docker

MaxKB在Windows下,官方只给出了docker的部署方式,所以我们需要安装Docker。

下载网址https://desktop.docker.com/win/stable/Docker%20Desktop%20Installer.exe

下载完成后双击点开安装程序,打开的页面有两个选项都是默认勾选,

直接点OK按钮就进入安装了。安装好以后,点击桌面的快捷方式,弹出协议界面,点击Accept按钮即可。

弹出的界面直接跳过,稍等一会儿即运行成功。

三、部署MaxKB

以管理员身份运行CMD命令提示符界面,然后在MaxKB在线文档页面中找到如下命令

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

如果上面命令提示错误,就输入下面简化后的命令,我上面的命令执行不成功,用的下面命令执行成功的。

docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data 1panel/maxkb

下载安装完成后,切回到Docker界面,点击左侧菜单Images,可以看到maxkb的镜像包,在左侧菜单Containers中,可以看到已经部署好的maxkb。

点击【Port(s)】下的链接即可访问系统。默认登录信息 用户名:admin 默认密码:MaxKB@123…

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。

现在需要注意的是,还不能急于创建知识库,不然电脑重启,搭建的知识库就丢失了。解决办法是需要删除Docker中自动部署的maxkb容器,重新创建。操作如下:

PGDATA后面的值就是数据保存路径。

弹出的选项框填写如下:

然后就等重新创建的容器启动成功即可访问maxkb页面了。

四、搭建知识库

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。

点击页面上的知识库tab,点击创建知识库,会有弹窗填写创建信息。

这里可以选择通用型和web站点两种知识库类型,我们选择通用型测试,然后点击创建即可。再跳转的页面中,点击上传文档,就可以上传我们准备好的知识库文档了。

上传完文档后,点击下一步就完成了文档的上传,后续就等执行完毕即可,这些是系统后台运行,不影响我们其他操作。

目前支持的文档类型如下:

创建好知识库后,我们要配置大语言模型,具体步骤如下图所示。

配置好大语言模型后,我们就可以创建应用了,根据提示填写信息即可。

最终的效果就是,提问会根据知识库的内容进行回答

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。

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

在这里插入图片描述

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:

在这里插入图片描述

  • 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!

在这里插入图片描述

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。

img

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。

img

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。

img

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。

img

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。

img

L5阶段:专题集丨特训篇 【录播课】

img
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”!

1Panel官方出品丨MaxKB:基于LLM大模型的知识库问答系统 1Panel应用商店上线AI问答系统MaxKB。 阅读详情

相关推荐

操作教程丨MaxKB+Ollama:快速构建基于大语言模型的本地知识库问答系统

30分钟上线基于大语言模型的知识库问答系统。

FIT2CLOUD飞致云的博客 1万+

MaxKB 知识库问答系统,基于大语言模型和 RAG(Retrieval-Augmented Generation)技术

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 2211

MaxKB结合DeepSeek快速构建客服企业知识库

本文详细介绍了MaxKB部署与ollama部署以及知识库配置等

青云小轩 1740

基于开源MaxKB构建大语言模型的本地知识库系统(附教程)

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。

Y525698136的博客 1789

MaxKB 是一款基于 LLM 大语言模型的知识库问答系统

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。

用Multisim仿真一个9V供电的双工对讲机:从电桥原理到LM1875功放调试全记录

本文详细介绍了使用Multisim仿真9V供电的双工对讲机全过程,涵盖电桥原理、NE5532前置放大设计、LM1875功放调试及双工通信实现。通过实战案例解析,帮助读者掌握模拟电路设计与调试技巧,提升电子工程实践能力。

weixin_28678831的博客 115

Ollama+DeepSeek+MaxKB搭建本地知识库

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。

wal1314520的博客 4407

TI理想二极管在冗余电源中应用实例

深入探讨理想二极管如何提升冗余电源系统的效率与可靠性,通过实际应用案例展示其在电流隔离和自动切换中的优势,帮助工程师优化电源架构设计。

weixin_30653091的博客 991

新鲜速递:DeepSeek-R1开源大模型本地部署实战—Ollama + MaxKB 搭建RAG检索增强生成应用

通过本文的实践,我们成功地将DeepSeek-R1模型部署到本地,并结合MaxKB搭建了一个简单的RAG应用。这种方式不仅节省了云服务的成本,还能够更好地控制数据隐私和模型性能,随时都可以对模型的回答进行RAG知识库的微调。如果你对AI技术感兴趣,不妨可以尝试一下。

杨若瑜的技术博客 7683

hcaptcha-challenger:基于本地AI模型自动破解验证码的工程实践

验证码作为区分人类与机器的经典安全机制,其核心原理是通过图像识别、行为分析等交互式挑战来阻挡自动化程序。传统绕过方法依赖第三方打码平台或脚本,存在成本高、稳定性差的问题。随着多模态大语言模型和计算机视觉技术的发展,本地化AI求解成为新的技术方向,它通过集成YOLO、ResNet等模型,在本地完成图像语义理解,实现了高隐私、低成本、可进化的验证码自动化解决方案。这种范式尤其适用于需要大规模稳定处理网页交互的场景,如电商数据采集和社交媒体管理。hcaptcha-challenger项目正是这一理念的工程实践,它

weixin_42587866的博客 1026

Nvidia Isaac Sim安装与配置 入门教程 2024(2)

Isaac Sim 安装和配置教程将指导用户完成从下载软件到设置和运行仿真的全过程。教程内容包括安装必要的依赖项、配置系统环境、配置Omniverse环境以及调试和优化仿真环境的步骤。通过详细的操作步骤和图文并茂的说明,用户可以快速上手 Isaac Sim,构建出高质量的机器人仿真环境,实现其研究和应用目标。

m0_56661101的博客 2万+

企业级AI客服搭建指南:融合本地DeepSeek与MaxKb实现基于私有知识库的精准问答

本文为企业提供了一份详细的AI客服搭建指南,介绍了如何融合本地部署的DeepSeek大语言模型与MaxKB知识库问答系统,实现基于私有知识库的精准问答服务。通过本地部署,企业能够确保数据的安全性和隐私性,同时利用DeepSeek的强大语言处理能力和MaxKB的高效知识管理功能,提升客服效率和用户体验。文章详细阐述了系统架构设计、模型训练与优化、知识库构建与维护、以及系统集成与部署等关键步骤,帮助企业快速搭建高效、智能的企业级AI客服系统。

weixin_66150842的博客 7531

回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证

回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证 目录回归预测 | MATLAB实现SVR(支持向量机回归)K折交叉验证基本介绍划分原理留一划分交叉验证K折交叉数据下载程序设计参考资料致谢 基本介绍 在机器学习里,通常来说我们不能将全部用于数据训练模型,否则我们将没有数据集对该模型进行验证,从而评估我们的模型的预测效果。为了解决这一问题,有如下常用的方法: 第一种是最简单的,也是很容易就想到的。我们可以把整个数据集分成两部分,一部分用于训练,一部分用于验证,这也就是我们经常提到的训练集

机器学习之心的博客,关注并私信文章链接,获取对应文章源码和数据。 6375

Ollama+DeepSeek+MaxKB搭建本地知识库_maxkb本地部署

最近在研究DeepSeek的本地化部署,之前写的一篇文章,相当于是在本地化已经部署了DeepSeek,感兴趣的小伙伴可以移步去看。但是Ollama没有图形化界面,我找了一个开源项目MaxKB,是一款基于大语言模型和 RAG 的开源知识库问答系统。今天主要是记录下如何Windows系统下本地化安装部署MaxKB并配置知识库。一、开启系统虚拟化支持Win10/11更新到最近的版本,并且开启系统虚拟化支持,这块网上教程很多,如果没有开启,请移步搜索引擎查找相关教程。

jennycisp的博客 2682

开源模型应用落地-qwen模型小试-入门篇(二)

在windows环境下,使用transformer设置模型参数/System Prompt/历史对话

以微薄之力,予他人些许温暖. 3237

基于Simulink的PMSM轮毂电机崎岖路面悬架协同控制仿真

本文完成了基于Simulink的PMSM轮毂电机崎岖路面悬架协同控制仿真,实现了:✅ 构建了四轮独立驱动+主动悬架高保真整车模型✅ 实现了Skyhook主动悬架控制✅ 设计了驱动-悬架状态共享与协同决策机制✅ 验证了5 m/s高速下连续颠簸路面稳定通过能力✅ 为高性能移动机器人提供一体化底盘解决方案。

xiaoheshang_123的博客 190

10分钟搞定,DeepSeek+Ollama+MaxKB 本地部署完全指南,打造专属知识库

在 AI 大模型蓬勃发展的当下,将模型进行本地部署,打造属于自己的专属知识库,既能保证数据隐私,又能灵活定制使用场景,已经成为众多技术爱好者和开发者的热门选择。今天,我们就来详细介绍如何在 10 分钟内完成 DeepSeek、Ollama 和 maxkb 的本地部署,搭建属于你的智能知识问答系统。

2301_81940605的博客 6249

vue项目表格甘特图开发

🧩 甘特图可以管理项目进度,生产进度等信息,管理者可以更直观的查看内容。

qq_35946021的博客 991

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!

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!

pythonhy的博客 1037

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

使用Dify搭建DeepSeek本地知识库

在当今的信息时代,构建一个高效的知识管理系统对于企业和个人来说都至关重要。DeepSeek作为一个强大的深度学习模型,能够帮助我们理解和处理大量的文本信息。而Dify则是一个新兴的平台,旨在简化AI应用的开发和部署过程。本文将详细介绍如何使用Dify来搭建基于DeepSeek的本地知识库系统。

wanganui的博客 2万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

超详细笔记——本地部署DeepSeek大模型和 RAG 知识库问答系统实录---Ollama+MaxKB+Python调用

通过以上一系列详细的步骤,我们成功在笔记本本地完成了DeepSeek大模型和RAG知识库问答系统(MaxKB)的部署,并实现了通过Python对其进行调用。这个过程不仅涉及到操作系统的安装与配置、虚拟机的使用、容器化技术(Docker)的应用,还包括大模型的下载与部署、知识库问答系统的搭建以及Python编程实现与系统的交互。希望本文能为对这方面技术感兴趣的读者提供有益的参考和实践指导,帮助大家更好地探索和应用人工智能技术。在实际操作过程中,可能会遇到各种问题,需要大家根据具体情况进行排查和解决。

JAMES费的空间 2213

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

基于开源MaxKB构建大语言模型的本地知识库系统,大模型入门到精通,收藏这篇就足够了!(附教程)

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。

huang9604的博客 1204

使用MaxKB搭建本地企业级知识库

本文详细描述了在 Ubuntu 虚拟机中部署 MaxKB 并连接本地 Ollama 模型的完整流程。

gaomin_721的博客 3082

MaxKB+Ollama+DeepSeek1.5B部署知识库

记录了知识库搭建过程,MaxKB+Ollama+DeepSeek。

余金兑人的技术角落 1519

基于Ollama安装deepseek-r1模型搭建本地知识库(Dify、MaxKb、Open-WebUi、AnythingLLM、RAGFlow、FastGPT)

本实验主要使用win系统安装ollama部署deepseek-r1(1.5b、7b、8b、14b、32b等参数)并搭建配置Web UI工具和本地知识库(Dify、MaxKb、Open-WebUi、AnythingLLM、RAGFlow)

m0_56363537的博客 5653
上一篇: RAG 入门指南:LlamaIndex、GraphRAG、 RAGFlow 学习建议与技术选型,大模型入门到精通,收藏这篇就足够了!
下一篇: 揭秘 Ollama+DeepSeek-R1+RAGFlow 本地RAG专属知识库、Agent智能助手搭建秘籍!
Llama-Turbo
博客等级 码龄4年 9901粉丝 2022原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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