使用MaxKB及deepseek搭建本地AI知识库
序
本文主要研究一下如何MaxKB及deepseek搭建本地AI知识库
步骤
拉取MaxKB镜像
docker pull cr2.fit2cloud.com/1panel/maxkb
如果拉取不下来就用docker.1ms.run/1panel/maxkb
启动MaxKB
docker run -d --name=maxkb --restart=always -p 8080:8080 \
-v ~/.maxkb:/var/lib/postgresql/data \
-v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages \
docker.1ms.run/1panel/maxkb
启动之后访问http://localhost:8080/
用户名: admin 密码: MaxKB@123…
设置模型
系统设置–>模型设置–>添加模型，这里添加ollama的deepseek-r1:8b，其中API URL设置为http://host.docker.internal:11434，API KEY随便设置一个就行
设置知识库
创建知识库–>向量模型为maxkb-embedding，知识库类型为通用型，之后上传文档，可以选择文本文件、表格、QA问答对，之后执行向量化
设置应用
创建应用–>设置AI模型–>关联知识库(添加知识库)，参数设置：全文检索 --> 调试预览，输入问题 --> 保存并发布
小结
MaxKB默认使用maxkb-embedding，向量数据库使用的是pgvector，相对于dify那么复杂的技术栈显得比较简单。
doc
- MaxKB离线安装