微信扫码
添加专属顾问
我要投稿
大模型在训练时学习到的知识大部分都是些通用知识,当我们向它提问一下专业领域的知识时,往往不能得到很多的效果。
对于这种情况,我们可以将涉及到的一些专业或预备知识构建成知识库,在模型回答问题时让它去知识库中找到最相关的段落,然后带着这些知识与问题一起生成更精准的回答。
在这方面目前已经有了比较成熟的开源项目MaxKB,说不多话,直接分享如何搭建本地大模型知识库
首先登录ollama官网(https://ollama.com/download/),点击对应操作系统下载后一键安装
ollama本地部署开源模型
docker拉取MaxKB镜像并运行
官方指导文档(https://maxkb.cn/docs/installation/online_installtion/)
docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages cr2.fit2cloud.com/1panel/maxkb
通过8080端口访问(默认用户名admin,密码MaxKB@123..)进去后可以修改密码
选择添加ollama供应商
如果基础模型不在选项中,可以直接填写ollama run的模型名称然后回车,api域名填ollama所在机器的ip:11434端口,本地大模型的apikey随意填非空即可
(如果添加后显示api域名无效,首先确保不要使用127.0.0.1和localhost,还是不行修改环境变量OLLAMA_HOST为0.0.0.0再重启ollama)
创建知识库
点击上传文档,然后创建并导入
选择智能分段并导入,完成后如下图
然后创建应用
选择之前创建的模型,关联创建的知识库,最后保存并发布
选中概览,点击演示
与直接在模型中提问比较效果
由于我构建知识库时上传pdf的是一篇讨论中国在人工智能产业发展中挑战的论文,所以其回答明显提取了论文中的信息与观点
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-12-16
超实用!MinerU新增3个新功能,支持文档逐块修正
2025-12-16
开源!支持私有化部署的DeepSeek支持的搜索问答知识系统
2025-12-15
Palantir Ontology的启示:从“数据中台”跃迁为“行动系统”的路径,打造数业经济时代的“决策式AI”能力
2025-12-10
当文档遇上智能,PandaWiki似乎下了新定义
2025-12-09
别迷信智能体了:95% 企业 AI 落地失败,都是输在数据治理
2025-12-09
复制“金牌销售”的大脑:江森自控如何利用 Foundry 将部落知识代码化?
2025-12-07
免费送会员!告别收藏夹吃灰 Remio重构个人碎片化知识管理
2025-12-07
Palantir Foundry功能剖析
2025-09-23
2025-09-22
2025-11-22
2025-11-19
2025-11-08
2025-11-11
2025-10-25
2025-10-14
2025-11-08
2025-10-18
2025-12-09
2025-11-22
2025-11-18
2025-11-13
2025-11-12
2025-09-23
2025-09-07
2025-08-30