1
背景
1
背景
随着产品的需求的不断增长，传统的conf管理方式已难以满足查找历史需求的要求。因此需要一个智能的知识库问答系统来提供快速、准确的信息支持。本文使用MaxKB、Ollama 和 Llama3 的结合为这一需求提供了完美的解决实践。
2
实践方案
技术选型
知识管理：MaxKB 是一款基于大语言模型（LLM）的知识库问答系统，支持多种主流大语言模型，包括 Llama3、OpenAI 等。它具有开箱即用、模型中立、灵活编排和无缝嵌入等特点，能够快速搭建并部署知识库问答系统。
推理框架：Ollama 是一个轻量级的模型管理工具，可以方便地管理和运行大语言模型。它支持多种模型，包括 Llama3，并且可以通过简单的命令行操作进行部署和运行。
基础模型：Llama3 是一个高性能的大语言模型，具有强大的自然语言处理能力，能够提供准确的问答服务。
实践路径
环境准备
1. 安装 Docker运行环境
Docker Desktop 是适用于 Mac、Linux 或 Windows 环境的一键式安装应用程序 这允许您构建、共享和运行容器化应用程序和微服务。它提供了一个简单的 GUI（图形用户界面），允许您直接从计算机管理容器、应用程序和映像，Docker Desktop支持 Mac、Windows 或 Linux 上安装 。注：个人使用是免费的，但商业用途需要付费订阅。
以windows为案例：
1.使用页面顶部的下载按钮或从发行说明下载安装程序。2.双击以运行安装程序。默认情况下，Docker Desktop 安装在 C盘3.出现提示时，请确保是否选中“配置”页上的“使用 WSL 2 而不是 Hyper-V”选项，具体取决于你选择的后端。如果您的系统仅支持这两个选项之一，您将无法选择要使用的后端。4.按照安装向导上的说明授权安装程序并继续安装。5.安装成功后，选择 Close 以完成安装过程。6.启动 Docker Desktop
默认情况下，Docker Desktop会从Docker Hub下载镜像，但在国内由于网络的原因，下载速度可能较慢，配置国内镜像源可以提速镜像下载：
安装 MaxKB
MaxKB = Max Knowledge Base，是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。
特性：1.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；2.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；3.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；4.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（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 / Claude / Gemini 等）。
快速部署：
打开cmd窗口中下载模型，输入一下命令行
docker pull 1panel/maxkb
等下载成功后，然后在Docker Desktop Images目录可以看到该镜像
启动maxkb：
MaxKB 镜像依赖 PostgreSQL 数据库来存储数据。为了确保数据的持久化和安全性，MaxKB 通过挂载文件卷的方式将数据库文件保存在宿主机上。因此，在 Windows 系统中，需要提前创建一个目录用于挂载卷，以保存数据库文件。
步骤 1: 创建挂载目录
1.选择盘符：选择一个合适的盘符，例如 E:\。2.创建目录：在该盘符下创建一个目录，用于挂载卷。假设目录路径为 E:\zzm\dockervolume。
步骤 2: 运行 MaxKB 容器
在运行 MaxKB 容器时，需要将该目录挂载到容器内部的 PostgreSQL 数据库文件目录。具体命令如下：
# Windows 操作系统docker run -d --name=maxkb -p 8080:8080 -v E:\\zzm\\dockervolume\\maxkb:/var/lib/postgresql/data 1panel/maxkb
步骤 3: 访问 MaxKB 界面
运行容器后，打开浏览器，访问 http://<服务器IP>:8080/ui/login，使用默认账号 admin 和密码 MaxKB@123.. 登录。
安装 Ollama：运行 Llama3 模型。
Ollama 是一个开源的大型语言模型服务工具，旨在帮助用户快速在本地运行大模型。通过简单的安装指令，用户可以通过一条命令轻松启动和运行开源的大型语言模型。Ollama 提供了一个简洁易用的界面，使得用户无需深入了解复杂的底层技术，就能轻松地加载、运行和交互各种大型语言模型（LLM）。
1.下载安装包：访问 Ollama 官方网站 https://ollama.com/ 的下载页面：Ollama 下载。选择Windows并点击下载。
2.安装 Ollama：下载完成后，双击安装包进行安装。安装过程中，遵循提示完成安装步骤。默认安装路径为 C:\Users\{你的电脑账户名}\AppData\Local\Programs\Ollama。要将 Ollama 应用程序安装在不同于用户目录的位置，请使用以下标志启动安装程序：
OllamaSetup.exe /DIR="d:\some\location"
3.修改模型的位置配置环境变量：
要更改 Ollama 存储下载模型的位置，而不是使用你的主目录，可以在你的用户账户中设置环境变量 OLLAMA_MODELS。
启动设置（Windows 11）或控制面板（Windows 10）应用程序，并搜索 环境变量。
点击 编辑账户环境变量。
编辑或创建一个新的用户账户变量 OLLAMA_MODELS，设置为你希望存储模型的路径。
点击确定/应用以保存
4.验证安装
打开命令提示符，输入 ollama --version 来验证安装是否成功。
启动ollama
选择你需要的模型，并安装
ollama pull llama3
输入ollama list 查看已下载的模型镜像文件
模型测试
功能验证
maxkb 配置ollama
a. 在模型设置页面中，点击“添加模型”按钮。
API 地址：假设你的本地电脑 IP 是172.20.xxx.xxx，并且你已经开启了远程 IP 访问，确保容器可以访问本地 Ollama 服务。
注意：API 域名不可使用 127.0.0.1 或 localhost。 使用上述IP地址，需要配置环境变量OLLAMA_HOST=0.0.0.0
b.创建知识库
打开【知识库】页面，点击【创建知识库】，输入知识库名称、知识库描述、选择通用型知识库类型，然后将离线文档通过拖拽方式或选择文件上传方式进行上传。
目前 MaxKB 支持智能分段和高级分段两种分段方式。分段规则设置完成后，需要点击【生成预览】查看最新规则的分段效果。
点击【创建并导入】后，系统后台会对文档进行自动分段 -> 存储 -> 向量化处理操作，执行完成后在知识库文档列表中各个文件状态显示为成功。
c.创建应用
在右侧窗口中，输入与知识库相关的内容，系统将依据知识库中的内容检索到相关的产品需求信息，并将其发送至后端的 xxx中文模型进行推理处理，进而构建出一个专属的私有化知识库大模型应用。
3
一些思考
1. 构建高质量知识库
单个文档规范：将相关性强的内容尽量聚集在同一段落或章节内，避免指代或缩略关键信息，避免无意义的空行，建议利用项目符号和有意义的缩进来分点阐述。
多文档规范：确保多个文档之间做到知识独立、知识聚合、规范统一以及覆盖全面。这样做能够显著提高知识的召回准确度，从而提升整体效果。
2. 性能优化
硬件配置：确保运行 MaxKB 的设备配置足够高，以获得更好的性能。在高配置的设备上运行 MaxKB 系统。
模型选择：根据实际需求选择合适的模型，如 Llama3-Chinese:8B 中文模型，以确保推理速度和准确性。
3. 模型拓展
多模型支持：MaxKB 支持对接多种大语言模型，包括本地私有大模型和云端大模型。可以根据实际需求下载并运行其他大语言模型，以拓展 MaxKB 系统的问答能力。
4. 集成与嵌入
无缝嵌入：MaxKB 支持零编码快速嵌入到第三方业务系统中，进一步提升企业的智能化水平和用户体验。
5. 定期更新与维护
知识库更新：定期对知识库进行审核和更新，补充缺失的知识点，淘汰过时的内容，确保知识库的完整性和准确性。
模型更新：定期更新使用的语言模型，以获取最新的功能和性能改进。
6. 用户体验优化
交互设计：优化用户界面和交互设计，提供更直观、易用的操作体验。
反馈机制：添加用户反馈机制，收集用户对问答系统的使用体验和改进建议，持续优化系统。
通过以上优化工作，可以进一步提升基于 MaxKB+Ollama+Llama3 的产品私有化知识库问答系统的性能和用户体验，使其更好地服务于我们的问答需求。
