本篇文章将介绍基于大模型来搭建本地知识库的流程。
开源工具：MaxKB + Ollama

安装docker

在官网按需选择桌面版本，安装之后在docker中搜索maxkb的镜像：

点击 Run，等镜像下载完成之后，配置参数：

在 Volumes 这里，需要配置两个 Host path 来映射容器的固定目录：

# host path是本机目录，可以随意
/host/path1  ==> /var/lib/postgresql/data
/host/path2  ==> /opt/maxkb/app/sandbox/python-packages

配置好之后，点击 Run，浏览器打开 localhost:8080，就能访问了：

输入默认的用户名和密码登录即可：admin / MaxKB@123..

除了可视化配置之外，也可在 Terminal 运行命令启动：

docker run -d --name=maxkb --restart=always -p 5432:8080 \n
-v ~/.maxkb:/var/lib/postgresql/data \n
-v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages \n
cr2.fit2cloud.com/1panel/maxkb

创建知识库

登录之后，点击知识库 --> 创建知识库：

然后选择 Markdown 格式的文档上传：

示例的 README.md 是介绍组件 QueryTable组件的使用。
可以把需要上传的文档放在同一个目录一起上传，待文件上传完成之后，就完成了知识库的创建。

添加Ollama

物料上传之后，去系统管理 --> 模型设置，配置本地私有模型：

maxkb 不仅支持常见的公有模型，也支持Ollama等私有模型。对于非敏感数据，也可以选择线上的公有模型。私有模型我们选择 ollama 进行配置。

先去官网下载 ollama，安装之后可以跑一下中文模型 qwen2.5：

因为物料都是中文，所以MaxKB也选择中文开源模型 qwen2.5：

API域名用 http://host.docker.internal:11434，host.docker.internal 这个特殊的DNS名称来解析宿主机IP(类似主机 localhost 的别名)， 11434 是 ollama 模型的默认端口，API Key 随便填一个就行，最后点「添加」：

如果是线上模型，域名和key就用模型对应的域名和key

创建应用

知识库和本地模型都配置完成之后，就需要创建一个应用将知识库和本地模型关联起来：

「AI模型」选择刚创建好的本地模型。应用创建好之后，会有一个本地访问连接：

打开这个链接，输入问题：QueryTable组件怎么用。可以看到其回复中会引用知识库 component 中的内容：

至此，我们已完成基于本地大模型的知识库搭建。