方式二：通过1Panel应用商店快速部署你可以通过1Panel应用商店，快速部署MaxKB、Ollama和Llama 2，仅需30分钟，即可搭建出基于本地大模型的知识库问答系统，并轻松嵌入到第三方业务系统中。本地部署 使用git克隆MaxKB的代码仓库，然后按照指示安装python和vue的依赖包，并启动相应的服务，即可完成本
├── config_example.yml # 项目配置示例 ├── main.py # 项目入口文件 python main.py start 启动项目 2. 环境准备 2.1 前端环境准备 安装node 2.2 后端环境准备 安装python 安装pycharm 3. 开发环境搭建 安装poetry包管理器 pip install poetry 4. 本地配置文件修改 若要项目启动,需要准备配置文件及目录...
/opt/maxkb/app/sandbox/python-packages registry.fit2cloud.com/maxkb/maxkb # Windows 机器 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 #...
快速开始 # Linux 机器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 registry.fit2cloud.com/maxkb/max...
后端:Python / Django LangChain:LangChain 向量数据库:PostgreSQL / pgvector 大模型:各种本地私有或者公共大模型 03 核心特点 开箱即用:支持直接上传文档,或自动爬取在线文档,快速构建知识库。结合智能问答功能,用户可以直接与知识库进行交互,体验出色的 AI 助手服务。 模型中立:支持对接多种主流大语言模型,包括 ...
version: "3.5"services: maxkb: image: cr2.fit2cloud.com/1panel/maxkb container_name: maxkb restart: unless-stopped ports: - "3456:8080" volumes: - ./maxkb:/var/lib/postgresql/data - ./python-packages:/opt/maxkb/app/sandbox/python-packages volumes：映射容器...
安装需要的依赖 pip install -r requirements.txt 配置配置文件./config.yml 参数解释 使用网页版微信对接 启动服务(网页版 容易被封号) python main.py 使用客户端hook对接 下载微信客户端并扫码登录 https://github.com/tom-snow/wechat-windows-versions/releases/download/v3.9.11.17/WeChatSetup-3.9.11.17.exe...
后端:Python/Django Langchain:Langchain 向量数据库:PostgreSQL/ pgvector 大模型:Ollama、Azure OpenAI、OpenAI、通义千问、Kimi、百度千帆大模型、讯飞星火、Gemini、DeepSeek等。 2.Dify Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以...
1.前端 采用Vue.js框架，这是一种流行的JavaScript框架，能够构建出交互性强、用户体验良好的前端应用界面，方便用户输入问题、查看答案和进行各种操作。2.后端 基于Python编程语言和Django框架进行开发，Django是一个高级的Web框架，具备快速开发、设计简洁实用等特点，主要负责处理业务逻辑和数据交互，确保系统的稳定运行...
在技术实现上MaxKB采用了现代Web开发框架Vue.js来构建用户界面,后端则依赖Python的Django框架,保证了系统的稳定性和可扩展性。此外,利用LangChain这样的工具包,MaxKB能够流畅地与不同的大语言模型交互。为了存储和检索向量数据,它选择了PostgreSQL搭配pgvector扩展,这是一个高效且适合处理矢量数据的数据库解决方案。