福建省住房和城乡建设厅门户网站住房城乡住房和城乡建设部网站首页

前言

上一篇文章简单的介绍了下MaxKB，这一篇文章就讲如何部署MaxKB。
MaxKB实现逻辑也比较简单，如下图。

安装

修改Docker镜像源

由于不可抗力，部分源已经无法使用，需要修改以下的源地址来拉取镜像。如果是linux，则修改docker本地的daemon.json：
添加以下内容

    "registry-mirrors": ["https://docker.m.daocloud.io","https://ccr.ccs.tencentyun.com","https://dockerproxy.com","https://mirror.ccs.tencentyun.com"]

如果是windows，则使用打开Docker Desktop 点击设置，修改docker engine 里的配置信息，添加上述内容，重启即可

启动Docker

在本地创建maxkb目录，用于数据持久化，启动docker

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

启动后输入：http://10.11.24.27:8080/ui/login
默认账号是admin，密码是MaxKB@123…

登录后

添加本地模型

添加Ollma模型（Ollma 部署请参考其他教程）

key可以随便写，Ollama 默认端口为11434

添加模型成功

创建知识库

成功导入后：

在绑定应用之前，先进行命中测试

重算了好几次向量，最终还是能答出来一点。

创建应用

创建应用关联知识库

创建应用成功

知识库分享

点击演示


经过多轮的尝试，终于可以正确回答问题。

知识库分段优化

如果知识库文本比较多的时候，导入的时候建议选择高级进行分段。
部分本文内容：

问题：午餐时间是什么时候？
回答：午餐时间为每天12:00PM至1:00PM。问题：打印机报错怎么处理？
回答：打印机报错请联系IT部门进行维修处理。

选择高级分段后，回答问题命中率比较高了点。

总结

整体来说，MaxKB虽然部署简单，但是知识库处理能力还是太弱了，Embeding模型不能自定义，而且消耗token比较大，只能适用本地大模型。
如果使用智能分段处理问题，命中率低，使用高级分段就比较准点，适用于比较规范的问题模板，当然对于大文本来说，手动处理分段就非常麻烦了。
对于开发者来说，好处在于前端使用Vue，后端是Django，非常适合二次开发，可以持续关注。