【开源项目】MaxKB+Ollama：构建私有化知识库问答系统

点击上方“AI搞事情”关注我们

---

MaxKB:开源知识库问答系统

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。

• 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。

快速开始

方式一：docker部署

docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data --privileged=true 1panel/maxkb
 
# 用户名: admin
# 密码: MaxKB@123..

从运行命令可以看到，服务依赖postgresql数据库，所以提前需要安装postgresql数据库。docker一键部署postgresql

$ docker run -itd --name postgres -e POSTGRES_PASSWORD=连接PostgreSQL的密码 -e ALLOW_IP_RANGE=0.0.0.0/0 -p 5432:5432 -v /postgres/data:/var/lib/postgresql/data postgres:latest

不然日志会报：

waiting for postgres  
127.0.0.1:5432 - no response

最后，通过IP:8080端口就可以访问maxkb页面了

接着，创建自己的应用了，不过依赖大模型，这里我们接入开源Ollama LLM模型

方式二：1Panel 应用商店

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。

方式三：本地部署

下载源码并运行python程序入口：

git clone https://github.com/1Panel-dev/MaxKB.git
cd MaxKB
python main.py

在线体验

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。

如你有更多问题，可以查看使用手册，或者通过论坛与我们交流。

• 使用手册

• 演示视频

• 论坛求助

• 技术交流群

UI 展示

技术栈

• 前端：Vue.js

• 后端：Python / Django

• LangChain：LangChain

• 向量数据库：PostgreSQL / pgvector

• 大模型：Azure OpenAI、OpenAI、百度千帆大模型、Ollama、通义千问、Kimi、智谱 AI、讯飞星火

Star History

ollama:开源大语言模型服务工具

部署安装

docker安装

# 拉取镜像
docker pull ollama/ollama
# 运行镜像
docker run -it -v ollama:/root/.ollama -p 11434:11434 --privileged=true --name ollama ollama/ollama

不加--privileged=true，报错：

runtime/cgo: pthread_create failed: Operation not permitted

访问测试，提示正在运行

模型下载

进容器进行模型下载，不然后面添加模型会报NoneType

docker exec -it ollama ollama run qwen

MaxKB + Ollama智能问答系统

添加模型

• 依次点击系统设置->模型设置->Ollama->添加模型

• 模型名称填写自定义的名称即可

• 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，这里我们用的是qwen:1.8b

• API域名填写前面ollama起服务的机器ip和端口（11434）

• API Key随便填

点击添加后开始下载模型，

创建知识库

企业私有的专业知识库，包含各种类型的数据，是问答对话中回答用户问题的知识来源。

MaxKB 知识库分为:通用型知识库和Web 站点知识库两种类型。
通用型知识库：对离线文档上传管理，支持的文档类型为 Markdown、TXT、PDF、DOCX 类型的文本数据。

Web 站点知识库：用于获取在线静态文本数据管理，输入 Web 根地址后自动同步根地址及子级地址的文本数据。

我们以水浒传来创建知识库，可以从网上下载
点击【知识库】菜单，进入知识库列表页面，该页面支持知识库创建、编辑、同步、删除、查询等功能。

创建并导入，由于文档本身通过换行符进行了分段，我们通过高级分段，并选择分段标识为回车，然后点击生成预览，可以简单预览下分段的效果：

开始导入，显示 知识库创建成功,但是文档还在持续导入中...

从日志看，这里主要是将文档进行向量化，一般也需要比较长的时间。

2024-05-13 17:26:32 [listener_manage INFO] 开始--->向量化数据集:e22b6526-110a-11ef-9017-0242ac110011
2024-05-13 17:26:32 [basehttp INFO] "POST /api/dataset HTTP/1.1" 200 714
2024-05-13 17:26:32 [listener_manage INFO] 数据集文档:['水浒传.txt']
2024-05-13 17:26:32 [listener_manage INFO] 结束--->向量化数据集:e22b6526-110a-11ef-9017-0242ac110011
2024-05-13 17:26:32 [listener_manage INFO] 开始--->向量化文档:e22bc2e6-110a-11ef-9017-0242ac110011
2024-05-13 17:29:37.318 CST [66] LOG:  checkpoint starting: time
2024-05-13 17:31:52.298 CST [66] LOG:  checkpoint complete: wrote 1329 buffers (8.1%); 0 WAL file(s) added, 0 removed, 0 recycled; write=134.975 s, sync=0.004 s, total=134.980 s; sync files=40, longest=0.001 s, average=0.001 s; distance=9868 kB, estimate=9868 kB
2024-05-13 17:32:21 [listener_manage INFO] 结束--->向量化文档:e22bc2e6-110a-11ef-9017-0242ac110011
2024-05-13 17:34:37.377 CST [66] LOG:  checkpoint starting: time

创建应用

基于前面两步创建的AI模型和关联知识库创建AI应用，点击应用->创建应用，填入应用名称和应用描述，修改开场白。

点击创建，智能问答机器人便创建成功了，右侧调试预览页面可以体验我们创建的问答机器人，不过这答案着实让人有点想哭/(ㄒoㄒ)/~~，我们可以使用更大的模型或者优化提示词，优化回答效果。

同时，由于服务器没有GPU，回答相对比较耗时。若有GPU的话，部署加上ollma服务时，加上--gpus all

docker run -it -v ollama:/root/.ollama -p 11434:11434 --privileged=true --name ollama --gpus all ollama/ollama

参考：

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

2. 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
   https://www.bilibili.com/read/cv33865421/

3. 使用手册:  https://github.com/1Panel-dev/MaxKB/wiki/1-%E5%AE%89%E8%A3%85%E9%83%A8%E7%BD%B2

4. 演示视频: https://www.bilibili.com/video/BV1BE421M7YM/

5. 论坛求助: https://bbs.fit2cloud.com/c/mk/11

6. Ollama: https://github.com/ollama/ollama

7. ollama模型库：https://ollama.com/library

8. Llama3 中文版整合MaxKB打造私有化知识库问答系统 https://www.bilibili.com/read/cv34130344/

9. 基于Ollama+MaxKB快速搭建企业级RAG系统 https://zhuanlan.zhihu.com/p/694850029

长按二维码关注我们

有趣的灵魂在等你