Maxkb——无需代码，快速构建自己的AI助手

原创 已于 2024-08-06 08:57:43 修改 · 2.1w 阅读 · 132 ·
CC 4.0 BY-SA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：

#人工智能 #AIGC

于 2024-07-13 20:34:34 首次发布

目录

1、maxkb的介绍

2、maxkb的安装步骤

2.1、硬件需求

2.2、搭建Docker环境

2.3、安装maxkb（使用命令形式）

2.4、使用1Panel安装

2.5、访问MaxKB

3、创建AI应用

4、内嵌项目

随着ChatGPT在国内的爆火，越来越多的厂商开始投入AI大模型中去，几乎所有的网站都内嵌了一个AI对话窗口，电商、娱乐、社区。。。等等，可以看出，AI大模型已经是互联网发展的大趋势，那么，如何为自己的网站或者企业构建一个AI大模型呢？Maxkb就是一个开源免费的训练大模型工具，非常nice。

1、maxkb的介绍

它是飞致云开源免费的一款基于 LLM 大语言模型的开源知识库问答系统，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、RAG（检索增强生成），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，让已有系统快速拥有智能问答能力，提高用户满意度；

  • 灵活编排
    内置强大的工作流引擎，支持编排 AI 工作流程，满足复杂业务场景下的需求；

  • 模型中立
    支持对接各种大语言模型，包括本地私有大模型（Llama 3 / Qwen 2 等）、国内公共大模型（通义千问 / 智谱 AI / 百度千帆 / Kimi / DeepSeek 等）和国外公共大模型（OpenAI / Azure OpenAI / Gemini 等）。

2、maxkb的安装步骤

介绍完maxkb后，废话不多说，直接开搞！

温情提示：本次为了方便我只演示在线安装的方式，如果有小伙伴的环境是内网，无法连接外网的话，可以到maxkb官网社区进行下载tar.gz包，进行离线安装。 详见 MaxKB 文档。

2.1、硬件需求

这里需要跟大家交代一下，maxkb是非常占用内存的，对硬件要求还是有点高的

  • 操作系统：Ubuntu 22.04 / CentOS 7 64 位系统；

  • CPU/内存： 推荐 2C/4GB 以上；（亲测启动maxkb后，内存直接占用了1G多，所以内存推荐4G）

  • 磁盘空间：100GB；

  • 浏览器要求：请使用 Chrome、FireFox、Edge等现代浏览器；

  • 可访问互联网。

2.2、搭建Docker环境

首先maxkb是要有docker环境的，如果没有docker的话，需要提前进行下载docker，如果你已经有docker环境了，直接跳过这部分。

直接复制下面命令，进行安装docker

yum install -y yum-utils device-mapper-persistent-data lvm2
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
yum install docker-ce docker-ce-cli containerd.io -y 
systemctl start docker
systemctl enable docker

安装完后，执行docker version命令

如果出现以上情况，证明docker已经安装成功了。

2.3、安装maxkb（使用命令形式）

ok！现在来进行安装maxkb，一行命令搞定！

docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data cr2.fit2cloud.com/1panel/maxkb

输入以上命令，等待安装完成。

2.4、使用1Panel安装（若采用2.3方式安装，则跳过这节）

如果有小伙伴看过我1Panel的那篇文章后，可以通过1Panel面板进行安装，不用再手动去执行安装命令了。

首先先去配置docker的镜像源，可以加速

  • 镜像加速：国内访问 Docker Hub 有时会遇到困难，此时可以配置镜像加速器。

    • 配置加速地址：

      https://docker.1panel.live

      Bash

    • 另外还推荐使用自己的镜像加速地址：

配置完毕后一定要重启docker，默认1Panel会自动帮你重启。

2.5、访问MaxKB

输入你的服务器ip加你设置的端口号访问。

http://目标服务器 IP 地址:目标端口

默认登录信息
用户名：admin
默认密码：MaxKB@123..

3、创建AI应用

这里阿龙插一嘴，如果你想自己下载AI模型进行训练的话，前提是要有一个GPU服务器，因为我在2C4G的服务器上用Ollama下载过qwen2:7B的模型，结果回答速度是非常的慢，几乎一秒吐一个字，所以说普通的云服务器跑AI模型是带不动的，必须要有GPU的独显服务器，然而我为何不选择GPU服务器呢，这里给大家科普一下，2C4G普通云服务器一年的价格在150-200不等，而一个2C4G带GPU的服务器1一个月就需要300+的费用，可想而知，GPU服务器只有企业才能用得起，个人的话完全没必要。

因为我用的是百度的千帆大模型，直接调的API，而且目前这个ERNIE-Speed-128k的模型是免费调用的，现在我来教大家怎么去申请API接口的AK/SK。

进入百度智能云官网 百度智能云产品_云计算_数据库_智能大数据_人工智能-百度智能云

进入千帆大模型平台

申请完后，回到MaxKB，创建AI模型，选择百度千帆大模型

创建完毕后，回到应用中，勾选你刚才创建的AI模型，就可以跟AI模型进行谈话聊天啦

4、内嵌项目

这么好用的AI对话，当然要内嵌到项目中装个B啦，那么MaxKB目前支持两种内嵌方式

根据自己需求，copy下面的代码到项目前端页面中

好啦，今天的文章就到这里结束啦，如果有小伙伴中途遇到什么问题，可以评论区沟通哦！制作不易，点个赞吧。

maxkb：知识库管理软件使用教程
Cachel Wood的博客
10-17 1043
支持使用“命中测试”功能，针对用户提问调试段落匹配情况，保障回答效果。如果关联好知识库之后，则会先对知识库进行。可以选择适合的本地或者闭源大模型API作为问答机器人。在模型设置中可以选择本地大模型以及本地向量模型等。若使用【高级分段】建议上传前规范文件的分段标识。在问答框中即可向问答机器人进行提问，配置好模型。支持创建问题对应知识库中的分段内容。知识库名称-知识库描述-知识库类型。在对话日志中可以查看对话记录。支持复制公开访问链接进行访问。主要支持用户管理和模型设置。个文件，每个文件不超过。
RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）
丨汀、的博客
08-07 1352
RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）
在Windows 10上使用Docker搭建MaxKB
weixin_46121540的博客
09-27 3219
通过这个教程，你应该已经成功在Windows 10上使用Docker搭建了MaxKB。这只是开始，MaxKB还有很多强大的功能等待你去探索。我鼓励你深入研究MaxKB的文档，尝试不同的配置，甚至考虑为MaxKB社区贡献代码。记住，知识管理是一个持续的过程。随着你使用MaxKB的时间越来越长，你会发现它如何改变你组织和利用信息的方式。享受这个过程，让MaxKB成为你个人成长和专业发展的得力助手！如果你有任何问题或想分享你的MaxKB使用经验，欢迎在评论区留言。
强大的开源知识库问答系统MaxKB:支持快速嵌入到第三方业务系统
specssss的博客
04-16 5245
密码: MaxKB@123..你也可以通过 1Panel 应用商店 快速部署 MaxKB + Ollama + Llama 2，30 分钟内即可上线基于本地大模型的知识库问答系统，并嵌入到第三方业务系统中。你也可以在线体验：DataEase 小助手，它是基于 MaxKB 搭建的智能问答系统，已经嵌入到 DataEase 产品及在线文档中。MaxKB 是一款基于 LLM 大语言模型的知识库问答系统。基于 LLM 大语言模型的知识库问答系统。开箱即用，支持快速嵌入到第三方业务系统，1Panel 官方出品。
17.8K!MaxKB 企业级智能体平台让 AI 真正落地业务，大模型入门到精通，收藏这篇就足够了！
最新发布
2301_81940605的博客
10-22 853
它把 RAG（检索增强生成）、工作流编排、MCP 工具调用、多模型对接等关键能力整合到一套“开箱即用”的系统中，帮助企业在最短时间内把大模型接入真实生产场景，实现智能客服、内部知识库、学术助手、教育辅导等多种应用。
Ubuntu22.04系统离线部署Maxkb【教程】
weixin_47782004的博客
03-31 2225
部署服务器要求：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对应的查看命令如下（1）查看操作系统版本（2）查看cpu信息lscpu（3）查看内存信息free -h（4）查看磁盘空间df -h。
Maxkb——无需代码，快速构建自己的AI助手（附教程）
2401_82469710的博客
01-03 5632
它是飞致云开源免费的一款基于 LLM 大语言模型的开源知识库问答系统，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、RAG（检索增强生成），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，让已有系统快速拥有智能问答能力，提高用户满意度；灵活编排内置强大的工作流引擎，支持编排 AI 工作流程，满足复杂业务场景下的需求；模型中立。
使用MaxKB添加本地部署的Ollama大语言模型搭建智能聊天系统
FGGIT的博客
05-06 6721
使用MaxKB添加本地部署的Ollama大语言模型搭建智能聊天系统
开源AI大模型LLM低代码智能体框架选型最佳实践——MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,RAG+AI 工作流+Agent+deepseek
Ai大模型，odoo，idempiere,metasfresh,低代码，ecshop数据采集发布接口，zencart，lightinthebox，shopex 数据采集接口
02-20 3080
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、RAG（检索增强生成），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，让已有系统快速拥有智能问答能力，提高用户满意度；灵活编排：内置强大的工作流引擎，支持编排 AI 工作流程，满足复杂业务场景下的需求；模型中立。
5分钟为网站集成AI助手：MaxKB快速部署指南
“5分钟网站增AI助手[代码]”这一主题所涉及的知识点，是当前人工智能技术与Web开发深度融合的典型应用案例，其核心在于如何利用开源的大语言模型（LLM）技术快速构建并部署一个可嵌入网站的智能问答系统。...
大模型应用技术架构实战：基于Dify、MaxKB、LangChain的“搭积木”指南
u010741659的专栏
05-21 741
本文探讨了如何通过模块化架构设计快速上线AI应用，避免在技术选型上陷入困境。文章以Dify、MaxKB、LangChain为核心工具，详细介绍了从前端到后端的“乐高式”组装方法，强调了高可用性和易扩展性。文章还提供了三个关键场景的实战案例，展示了如何通过智能客服系统、AI内容审核和企业知识助手实现“AI即插即用”。此外，文章指出了技术架构中的五大常见陷阱，并提供了相应的解决方案。最后，文章提出了未来架构升级的“三化”策略，包括轻量化、自动化和国产化，并提供了一个技术架构自检表，帮助读者快速评估和优化自己的A
LLM框架深度对比：MaxKB、Dify、FastGPT、RagFlow、Anything
yinzheshijie的专栏
06-10 1240
RAG（检索增强生成）+AI工作流+Agent的组合已成为企业落地大模型的核心范式。这一范式通过RAG解决大模型的“幻觉”与知识时效性问题，通过AI工作流实现多步骤任务的自动化编排，通过Agent赋予系统自主决策与工具调用能力，最终构建出“能思考、会协作、可扩展”的智能体应用。
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。
免费开源的知识库神器！MaxKB 让你轻松搭建智能问答系统
jast
05-09 1806
MaxKB是一款基于大语言模型（LLM）和检索增强生成（RAG）技术的开源知识库问答系统，适用于智能客服、企业知识管理和学术研究等多种场景。其核心功能包括RAG检索增强生成、多模型兼容、零代码嵌入和高级工作流编排，支持多种文档格式和智能分段技术，确保问答的准确性和效率。MaxKB支持本地和云端模型的混合使用，提供可视化的工作流编排和自定义函数库，增强系统的灵活性和扩展性。此外，MaxKB还具备访问控制和实时监控功能，保障数据安全并优化问答效果。通过简单的Docker部署，用户可以快速搭建和升级MaxKB系统
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 2332
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）
MaxKB（一）：windows10搭建maxkb开发环境（劝退指南）
core815的专栏
08-07 5333
windows10搭建maxkb开发环境
MaxKB开发环境搭建
polarrwl的专栏
05-07 1016
综合对比了几个开源的RAG框架，最终选择了MaxKB作为基础框架来实现RAG应用，MaxKB更轻量简单，对于企业内使用不需要那么复杂的系统（Dify等），简单好用扩展方便就可以了。
记录 | MaxKB创建本地AI智能问答系统
技术小白=-=的博客
01-27 2106
参考文章：2025最新MaxKB教程】10分钟学会一键部署本地私人专属知识库，开源免费！自己的感想。
使用MaxKB搭建本地企业级知识库
gaomin_721的博客
03-02 2617
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。
MaxKB
03-08
### MaxKB IT知识库或工具介绍 #### 高效检索与AI集成的优势 MaxKB相较于传统的知识库工具展现出显著优势，特别是在高效检索、人工智能集成以及易于扩展方面。这些特性使得MaxKB能够在多个行业中获得广泛应用，尤其是在教育和金融领域之外的IT行业也发挥了重要作用[^1]。 #### 应用于IT行业的具体场景 对于IT部门而言，MaxKB不仅有助于创建详尽的企业内部IT使用手册的知识库，还允许员工通过这一平台迅速找到并解决问题。这极大地提高了工作效率和服务质量，减少了因信息不对称而导致的时间浪费和技术障碍[^3]。 #### 技术实现方式 作为基于大型语言模型（LLM）构建的知识库问答系统，MaxKB利用先进的自然语言处理技术和机器学习算法来解析查询请求，并提供精准的回答。这种设计确保了即使面对复杂的技术问题也能给出恰当有效的解决方案[^2]。 ```python # 示例：如何调用MaxKB API接口获取帮助文档 import requests def get_help_documentation(api_key, query): url = f"https://maxkb.example.com/api/v1/search?query={query}" headers = {"Authorization": f"Bearer {api_key}"} response = requests.get(url, headers=headers) if response.status_code == 200: return response.json() else: raise Exception(f"Error fetching data from MaxKB: {response.text}") # 调用函数示例 try: result = get_help_documentation('your_api_key', 'configure network settings') print(result['results']) except Exception as e: print(e) ``` #### 实现即时响应的能力 为了更好地服务于企业级应用需求，MaxKB进行了深入开发调试工作，实现了诸如API对话支持等功能。这意味着它可以轻松嵌入到现有的业务流程当中，为企业带来更加智能化的服务体验。此外，借助于本地部署的支持，数据安全性和隐私保护得到了有效保障[^4]。
评论 21
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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