NAS 部署 MaxKB+Ollama：打造专属知识库

Hello 大家好，我是 David

订阅我的频道 ，分享更多 NAS 教程和资讯 ~

MaxKB（Max Knowledge Base）：

一款基于大语言模型和 RAG 的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。

产品优势：

• 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、向量化和 RAG（检索增强生成），有效减少大模型幻觉，智能问答交互体验好；

• 快速接入
  支持零编码嵌入到第三方业务系统，以及快速接入企业微信、钉钉、飞书、公众号等应用，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和函数库，支持编排 AI 工作过程，满足复杂业务场景下的需求；

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

安装

Docker Compose

services: maxkb: image: 1panel/maxkb:latest container_name: maxkb volumes: - /vol1/1000/docker/maxkb/data:/var/lib/postgresql/data - /vol1/1000/docker/maxkb/python-packages:/opt/maxkb/app/sandbox/python-packages ports: - "8080:8080" restart: always

使用

浏览器中输入 http://NAS的IP:8080 就能看到界面

输入管理员账号和密码进行登录

管理员账号：admin

密码：MaxKB@123..

初次使用，需要先修改初始的密码

进入到面板，界面比较清爽

创建知识库

先创建一个知识库

按照要求填写信息

创建完成以后，需要上传文档

上传文档（支持TXT、Markdown、PDF、HTML、XLS、XLSX、CSV、ZIP 格式）

智能分段，并不能很智能分段（vscode看文档能正常分段）

高级分段，因为文本里有特殊分割符号“------------”作为分段判断的，所以选高级会更加准确

右侧，可以点击文本编辑

可以单独设置每个分段的标题

设置完成就可以点击“开始导入”

等待索引完成，这里还可以再继续添加文档丰富这个知识库

问题，可以创建问题和回答内容

命中测试，输入内容可以测试是否能命中

参数设置，如果命中率低可以选择不同的检索模式和调整参数

设置，可以修改基本信息和关联应用

添加模型

系统设置 -> 模型设置，这里分为公有模型和私有模型

公有模型，支持的平台还是挺多的

演示添加一个 OpenAI 模型（用之前部署的 One API）

NAS部署 One API ：统一管理大语言模型接口和分发_网络存储_什么值得买

参考设置

私有模型，简单来说应该是本地运行模型

演示添加一个 Ollama 模型（用之前部署的 Ollama，本地运行会慢一点）

手把手教你在 NAS 上部署本地 DeepSeek-R1 大语言模型_服务软件_什么值得买

参考设置（API Key 随便填）

这样模型就添加完成了

创建应用

应用 -> 创建应用

填写应用名称，点击创建即可

选择 AI 模型（其他后面有需要再设置）

右边测试一下，看看是否可以调用

没有关联知识库前，提问知识库相关内容

关联以后，回复就会不一样了（个人感觉还是有点效果的）

TIP：

这样我也测试了使用 Ollama 本地跑模型也是没问题的，但是速度确实有点慢

没有问题就可以点击“保存并发布”

这样就创建完成了，点击打开查看

概览，数据和图表展示都挺直观

打开这个访问链接

这样就获得一个知识库的聊天机器人了

命中测试，可以调节参数进行测试

对话日志，提问和回答的记录

总结

总的来讲，强烈推荐大家尝试部署。对于初次接触这类知识库的新手小白而言，上手难度很低。整个流程要做的非常清晰，上传文档，选择模型，就能快速创建应用了。使用界面设计得十分美观大方，布局合理，各项设置选项一目了然，不会出现操作复杂、让人摸不着头脑的情况，轻松就能上手操作。

当然，我也了解市面上还有 FastGPT 和 Dify 同类其他应用。不过，MaxKB 上手简单、使用方便这两点就已经十分值得一试了。

综合推荐：⭐⭐⭐⭐⭐（非常值得部署）

使用体验：⭐⭐⭐⭐⭐（非常不错的）

部署难易：⭐⭐（简单）︎