拓冰网站定制 
人工智能大模型AI AgentRAG工具调用后端前端知识库【免费下载链接】MaxKB MaxKB is an open-source platform for building enterprise-grade agents. 强大易用的开源企业级智能体平台。项目地址https://gitcode.com/GitHub_Trending/ma/MaxKB点击查看免费下载MaxKBMax Knowledge Brain是飞致云FIT2CLOUD出品的开源企业级智能体平台面向企业 AI 落地中「技术门槛高、部署成本高、迭代周期长」三大痛点提供从基础问答RAG、复杂流程自动化工作流到智能体Agent的渐进式升级路径。本文将以仓库 README_CN.md 为核心骨架结合仓库内部署脚本、配置源码与依赖清单完整讲解 MaxKB 的四大核心能力、Docker 快速部署步骤、默认账号与配置项以及其前后端技术栈与启动链路帮助读者在 10 分钟内完成平台搭建并理解其运行原理。一、MaxKB 是什么定位与核心价值MaxKB Max Knowledge Brain是一个强大易用的企业级智能体平台致力于解决企业 AI 落地面临的技术门槛高、部署成本高、迭代周期长等问题。其设计理念是「开箱即用伴随成长」企业可以快速接入主流大模型高效构建专属知识库并逐步从 RAG 问答演进到工作流自动化乃至 Agent 智能体全面赋能智能客服、智能办公助手等多种应用场景。从仓库结构看MaxKB 的核心能力被拆分为多个 Django App与上述定位一一对应知识库与检索knowledgeApp 承载文档上传、文本拆分、向量化与检索向量检索 SQL、混合检索 SQL应用编排applicationApp 中的flow模块是工作流引擎核心包含 146 个步骤节点实现step_node并提供 default_workflow.json 等默认工作流模板模型接入models_providerApp 内置 20 余种模型供应商实现impl 目录涵盖国内公共大模型、国外公共大模型与本地私有模型对外嵌入chatApp 提供免登录的对话链路与 embed.js 嵌入脚本支持零编码嵌入第三方业务系统。二、四大核心能力详解README_CN 将其核心价值归纳为四点这里结合源码逐一展开2.1 RAG 检索增强生成高效搭建本地 AI 知识库支持直接上传文档 / 自动爬取在线文档支持文本自动拆分、向量化有效减少大模型幻觉提升问答效果。仓库中knowledgeApp 提供了完整实现链路文档通过 document.py 完成入库文本拆分与 QA 解析由common/handle下的处理器完成base_split_handle.py、base_parse_qa_handle.py向量化由 knowledge/vector 模块执行支持 pg_vector检索 SQL 则区分了关键词、向量与混合三种模式keywords_search.sql、embedding_search.sql、blend_search.sql。同时内置了行业模板见 knowledge/template 下的 CSV 与 Excel 导入模板方便批量导入知识数据。2.2 灵活编排内置强大的工作流引擎、函数库和 MCP 工具调用能力支持编排 AI 工作过程满足复杂业务场景下的需求。工作流引擎位于 apps/application/flowi_step_node.py定义了步骤节点抽象基类146 个节点实现覆盖条件分支、循环、知识库检索、工具调用等能力。MCP 能力由common/mcp模块提供client.py、config.py并基于 LangChain 生态集成。pyproject.toml中锁定了langchain、langgraph、deepagents、mcp等依赖版本为 Agent 编排提供了坚实的底层框架pyproject.toml。2.3 无缝嵌入支持零编码快速嵌入到第三方业务系统让已有系统快速拥有智能问答能力提高用户满意度。chatApp 提供聊天嵌入能力chat_embed_api.py与配套的 embed.js 允许开发者通过几行脚本把智能问答对话框嵌入任意 Web 页面无需改动业务系统后端application_chat_link.py则支持生成独立的分享链接。2.4 模型中立支持对接各种大模型包括本地私有大模型DeepSeek R1 / Qwen 3 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 / MiniMax 等和国外公共大模型OpenAI / Claude / Gemini 等。这一能力由 models_provider/impl 目录下的 20 余个供应商实现支撑每个供应商目录包含模型凭据定义、接口封装等文件仓库同时提供本地模型部署脚本 install_model.py 与 install_model_bert_base_cased.py支持将开源向量模型 / 本地大模型一并打包进容器。三、快速开始Docker 一键部署README_CN 给出了 Linux 与 Windows 两种 Docker 启动方式这是本平台最快捷的上手路径原样可复制执行。Linux 机器docker run -d --namemaxkb --restartalways -p 8080:8080 -v ~/.maxkb:/opt/maxkb registry.fit2cloud.com/maxkb/maxkbWindows 机器docker run -d --namemaxkb --restartalways -p 8080:8080 -v C:/maxkb:/opt/maxkb registry.fit2cloud.com/maxkb/maxkb默认登录账号用户名admin密码MaxKB123..启动后浏览器访问http://服务器IP:8080即可进入控制台。需要特别说明的是-v ~/.maxkb:/opt/maxkbWindows 下为C:/maxkb这一数据卷目录非常关键——MaxKB 的数据库数据、日志、本地模型与用户配置均持久化于此升级或重建容器时数据不会丢失。3.1 容器内部启动链路源码级解读镜像内部的启动编排可以从 installer 目录下的脚本还原容器入口为start-all.sh见 start-all.sh依次拉起 PostgreSQLstart-postgres.sh、Redisstart-redis.sh与 MaxKB 主进程并使用wait-for-it对 5432 / 6379 / 8080 三个端口做就绪探测主进程脚本 start-maxkb.sh创建日志与本地目录、执行/opt/maxkb/local/init-shells下的初始化脚本可挂载自定义初始化 shell最后运行python /opt/maxkb-app/main.py start启动入口 main.pystart动作会依次执行静态资源收集collectstatic、数据库迁移migrate随后按--daemon/--worker等参数拉起 web / task 服务。其中perform_db_migrate()内置了最多 10 次、间隔 5 秒的数据库就绪重试逻辑用于规避 PostgreSQL 崩溃恢复期间端口已开放但拒绝查询的竞态问题。3.2 镜像依赖与版本基础基础镜像由 Dockerfile-base 定义基于postgres:17.11内置postgresql-17-pgvector向量检索与postgresql-17-age图数据库扩展、Redis、ffmpeg并预置了中文字符嵌入向量模型maxkb-vector-model:v2.0.3应用镜像由 Dockerfile 构建前端在 Node 24 环境下编译ui目录产出dist后端基于 Python 3.11 uv 安装依赖最后合成单镜像并暴露8080端口。四、更多部署方式与运行配置除 Docker 直接拉取镜像外README_CN 还提供了三类补充部署路径4.1 1Panel 应用商店部署可通过 1Panel 应用商店快速部署 MaxKB适合已使用 1Panel 运维面板的用户在面板内即可完成应用安装、启停与升级。4.2 离线安装包内网环境如果企业处于内网 / 离线环境推荐使用官方离线安装包进行安装部署安装包内含镜像与依赖资源无需外网即可完成整套平台的初始化。4.3 环境变量与配置文件MaxKB 支持通过环境变量MAXKB_前缀或 YAML 配置文件两种方式注入运行参数。从 const.py 可知设置环境变量MAXKB_CONFIG后配置从项目根目录的config_example.yml/config.yaml/config.yml读取否则默认从挂载数据卷/opt/maxkb/conf读取。若设置MAXKB_CONFIG_TYPEENV则直接由环境变量驱动。核心环境变量及其默认值可从 Dockerfile 与 conf.py 中还原环境变量默认值说明MAXKB_DB_NAME/MAXKB_DB_HOST/MAXKB_DB_PORT/MAXKB_DB_USER/MAXKB_DB_PASSWORDmaxkb/127.0.0.1/5432PostgreSQL 连接信息MAXKB_DB_MAX_OVERFLOW80数据库连接池最大溢出连接数conf.py 中POOL_OPTIONS直接引用MAXKB_REDIS_HOST/MAXKB_REDIS_PORT/MAXKB_REDIS_DB/MAXKB_REDIS_PASSWORD127.0.0.1/6379/0Redis 缓存配置MAXKB_EMBEDDING_MODEL_PATH/MAXKB_EMBEDDING_MODEL_NAME/opt/maxkb-app/model/embedding默认中文向量模型路径shibing624_text2vec-base-chineseMAXKB_LOCAL_MODEL_HOST/MAXKB_LOCAL_MODEL_PORT/MAXKB_LOCAL_MODEL_PROTOCOL127.0.0.1/11636/http内置本地模型服务地址MAXKB_SANDBOX/MAXKB_SANDBOX_HOME1//opt/maxkb-app/sandbox工具代码沙箱开关与沙箱目录MAXKB_ADMIN_PATH/admin管理后台访问路径MAXKB_CONFIG_TYPEENV容器内配置读取方式FILE或ENVMAXKB_DATA_UPLOAD_MAX_MEMORY_SIZE100 * 1024 * 1024字节文件上传大小上限见 web.py其中数据库连接池与 Redis 缓存的组装逻辑定义在 conf.py 的get_db_setting()/get_cache_setting()中数据库引擎采用dj_db_conn_pool连接池POOL_SIZE20、RECYCLE1800、PRE_PINGTrueRedis 使用django_redis且支持通过MAXKB_REDIS_SENTINEL_SENTINELS配置切换到 Redis Sentinel 高可用模式对应 web.py 中的DJANGO_REDIS_CONNECTION_FACTORY设置。五、技术栈与仓库源码结构README_CN 明确了 MaxKB 的技术栈与仓库实测完全一致前端Vue.js源码位于 ui/src包含 227 个.vue视图组件与 119 个工作流组件构建产物为ui/dist后端Python / DjangoDjango 5.2 Django REST Framework见 pyproject.toml业务代码位于 appsLangChainlangchain/langgraph/deepagents等框架用于 RAG 编排与 Agent 构建向量数据库PostgreSQL / pgvector基础镜像内置 pgvector 扩展knowledge/vector提供向量读写封装。后端业务模块Django App与平台能力映射关系如下App 目录职责apps/knowledge知识库、文档、段落、问题与标签管理向量检索apps/application应用问答应用、工作流引擎、聊天记录与统计apps/chat聊天会话、免登录嵌入embed与投票apps/models_provider模型供应商接入与模型管理apps/tools工具含函数库与工具工作流apps/trigger触发器与定时任务apps/common通用组件认证、表单、异常处理、MCP、沙箱等apps/system_manage系统设置、邮箱、日志与权限管理apps/users用户与登录认证六、配套资源与使用参考案例展示仓库内 USE-CASES.md 收录了典型应用场景可作为选型与落地方案参考使用手册与论坛部署与日常使用中遇到问题可查阅官方使用手册或通过官方论坛求助交流产品版本对比MaxKB 不同产品版本社区版 / 企业版等的能力差异可参考官方「MaxKB 产品版本对比」页按需选择团队介绍材料官方提供了可下载的 MaxKB 介绍 PPT便于在企业内部同步技术选型结论。七、小结从一条命令到企业级 Agent 平台从 README_CN.md 出发可以看到MaxKB 的价值在于用一条 Docker 命令把「模型接入 知识库 工作流 智能体 外部嵌入」完整串起来docker run即可获得开箱即用的企业级智能体平台默认账号admin / MaxKB123..登录后即可创建知识库、编排工作流并嵌入现有业务系统。而仓库源码则揭示了其背后扎实的实现基础——Django 模块化业务、pgvector 向量检索、LangChain/LangGraph Agent 编排、MCP 工具调用与 20 余家模型供应商适配层。对企业团队而言这既是一套可立即投入生产的 AI 应用底座也是一份值得深入研读的开源实现范本。赞分享人工智能大模型AI AgentRAG工具调用后端前端知识库【免费下载链接】MaxKB MaxKB is an open-source platform for building enterprise-grade agents. 强大易用的开源企业级智能体平台。项目地址https://gitcode.com/GitHub_Trending/ma/MaxKB点击查看免费下载相关推荐MaxKB 开源企业级智能体平台详解从 RAG 知识库到 Agent 工作流编排与快速部署MaxKB 开源企业级智能体平台详解从 RAG 知识库到 Agent 工作流编排与快速部署 MaxKBMax Knowledge Brain是一个开源的企人工智能大模型AI AgentRAG工具调用后端前端知识库如何微调luke-japanese-large-sentiment-analysis-wrime自定义日语情感分析模型训练指南 如何微调luke japanese large sentiment analysis wrime自定义日语情感分析模型训练指南 luke japanes企业知识管理终极解决方案MaxKB完整企业级RAG平台部署指南企业知识管理终极解决方案MaxKB完整企业级RAG平台部署指南 MaxKB是基于LLM大语言模型的知识库问答系统由1Panel官方出品支持开箱即用并能快速人工智能大模型AI AgentRAG工具调用后端前端知识库上一篇CopilotKit Frontend Tools应用内操作实战让 Claude Agent 直接调用 React 前端函数下一篇OpenJarvis 使用 systemd 部署 Linux 常驻 API 服务单元文件配置、安全加固与运维指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MaxKB 企业级智能体平台实战指南：RAG 知识库、工作流编排与 Docker 快速部署
人工智能大模型AI AgentRAG工具调用后端前端知识库【免费下载链接】MaxKB MaxKB is an open-source platform for building enterprise-grade agents. 强大易用的开源企业级智能体平台。项目地址https://gitcode.com/GitHub_Trending/ma/MaxKB点击查看免费下载MaxKBMax Knowledge Brain是飞致云FIT2CLOUD出品的开源企业级智能体平台面向企业 AI 落地中「技术门槛高、部署成本高、迭代周期长」三大痛点提供从基础问答RAG、复杂流程自动化工作流到智能体Agent的渐进式升级路径。本文将以仓库 README_CN.md 为核心骨架结合仓库内部署脚本、配置源码与依赖清单完整讲解 MaxKB 的四大核心能力、Docker 快速部署步骤、默认账号与配置项以及其前后端技术栈与启动链路帮助读者在 10 分钟内完成平台搭建并理解其运行原理。一、MaxKB 是什么定位与核心价值MaxKB Max Knowledge Brain是一个强大易用的企业级智能体平台致力于解决企业 AI 落地面临的技术门槛高、部署成本高、迭代周期长等问题。其设计理念是「开箱即用伴随成长」企业可以快速接入主流大模型高效构建专属知识库并逐步从 RAG 问答演进到工作流自动化乃至 Agent 智能体全面赋能智能客服、智能办公助手等多种应用场景。从仓库结构看MaxKB 的核心能力被拆分为多个 Django App与上述定位一一对应知识库与检索knowledgeApp 承载文档上传、文本拆分、向量化与检索向量检索 SQL、混合检索 SQL应用编排applicationApp 中的flow模块是工作流引擎核心包含 146 个步骤节点实现step_node并提供 default_workflow.json 等默认工作流模板模型接入models_providerApp 内置 20 余种模型供应商实现impl 目录涵盖国内公共大模型、国外公共大模型与本地私有模型对外嵌入chatApp 提供免登录的对话链路与 embed.js 嵌入脚本支持零编码嵌入第三方业务系统。二、四大核心能力详解README_CN 将其核心价值归纳为四点这里结合源码逐一展开2.1 RAG 检索增强生成高效搭建本地 AI 知识库支持直接上传文档 / 自动爬取在线文档支持文本自动拆分、向量化有效减少大模型幻觉提升问答效果。仓库中knowledgeApp 提供了完整实现链路文档通过 document.py 完成入库文本拆分与 QA 解析由common/handle下的处理器完成base_split_handle.py、base_parse_qa_handle.py向量化由 knowledge/vector 模块执行支持 pg_vector检索 SQL 则区分了关键词、向量与混合三种模式keywords_search.sql、embedding_search.sql、blend_search.sql。同时内置了行业模板见 knowledge/template 下的 CSV 与 Excel 导入模板方便批量导入知识数据。2.2 灵活编排内置强大的工作流引擎、函数库和 MCP 工具调用能力支持编排 AI 工作过程满足复杂业务场景下的需求。工作流引擎位于 apps/application/flowi_step_node.py定义了步骤节点抽象基类146 个节点实现覆盖条件分支、循环、知识库检索、工具调用等能力。MCP 能力由common/mcp模块提供client.py、config.py并基于 LangChain 生态集成。pyproject.toml中锁定了langchain、langgraph、deepagents、mcp等依赖版本为 Agent 编排提供了坚实的底层框架pyproject.toml。2.3 无缝嵌入支持零编码快速嵌入到第三方业务系统让已有系统快速拥有智能问答能力提高用户满意度。chatApp 提供聊天嵌入能力chat_embed_api.py与配套的 embed.js 允许开发者通过几行脚本把智能问答对话框嵌入任意 Web 页面无需改动业务系统后端application_chat_link.py则支持生成独立的分享链接。2.4 模型中立支持对接各种大模型包括本地私有大模型DeepSeek R1 / Qwen 3 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 / MiniMax 等和国外公共大模型OpenAI / Claude / Gemini 等。这一能力由 models_provider/impl 目录下的 20 余个供应商实现支撑每个供应商目录包含模型凭据定义、接口封装等文件仓库同时提供本地模型部署脚本 install_model.py 与 install_model_bert_base_cased.py支持将开源向量模型 / 本地大模型一并打包进容器。三、快速开始Docker 一键部署README_CN 给出了 Linux 与 Windows 两种 Docker 启动方式这是本平台最快捷的上手路径原样可复制执行。Linux 机器docker run -d --namemaxkb --restartalways -p 8080:8080 -v ~/.maxkb:/opt/maxkb registry.fit2cloud.com/maxkb/maxkbWindows 机器docker run -d --namemaxkb --restartalways -p 8080:8080 -v C:/maxkb:/opt/maxkb registry.fit2cloud.com/maxkb/maxkb默认登录账号用户名admin密码MaxKB123..启动后浏览器访问http://服务器IP:8080即可进入控制台。需要特别说明的是-v ~/.maxkb:/opt/maxkbWindows 下为C:/maxkb这一数据卷目录非常关键——MaxKB 的数据库数据、日志、本地模型与用户配置均持久化于此升级或重建容器时数据不会丢失。3.1 容器内部启动链路源码级解读镜像内部的启动编排可以从 installer 目录下的脚本还原容器入口为start-all.sh见 start-all.sh依次拉起 PostgreSQLstart-postgres.sh、Redisstart-redis.sh与 MaxKB 主进程并使用wait-for-it对 5432 / 6379 / 8080 三个端口做就绪探测主进程脚本 start-maxkb.sh创建日志与本地目录、执行/opt/maxkb/local/init-shells下的初始化脚本可挂载自定义初始化 shell最后运行python /opt/maxkb-app/main.py start启动入口 main.pystart动作会依次执行静态资源收集collectstatic、数据库迁移migrate随后按--daemon/--worker等参数拉起 web / task 服务。其中perform_db_migrate()内置了最多 10 次、间隔 5 秒的数据库就绪重试逻辑用于规避 PostgreSQL 崩溃恢复期间端口已开放但拒绝查询的竞态问题。3.2 镜像依赖与版本基础基础镜像由 Dockerfile-base 定义基于postgres:17.11内置postgresql-17-pgvector向量检索与postgresql-17-age图数据库扩展、Redis、ffmpeg并预置了中文字符嵌入向量模型maxkb-vector-model:v2.0.3应用镜像由 Dockerfile 构建前端在 Node 24 环境下编译ui目录产出dist后端基于 Python 3.11 uv 安装依赖最后合成单镜像并暴露8080端口。四、更多部署方式与运行配置除 Docker 直接拉取镜像外README_CN 还提供了三类补充部署路径4.1 1Panel 应用商店部署可通过 1Panel 应用商店快速部署 MaxKB适合已使用 1Panel 运维面板的用户在面板内即可完成应用安装、启停与升级。4.2 离线安装包内网环境如果企业处于内网 / 离线环境推荐使用官方离线安装包进行安装部署安装包内含镜像与依赖资源无需外网即可完成整套平台的初始化。4.3 环境变量与配置文件MaxKB 支持通过环境变量MAXKB_前缀或 YAML 配置文件两种方式注入运行参数。从 const.py 可知设置环境变量MAXKB_CONFIG后配置从项目根目录的config_example.yml/config.yaml/config.yml读取否则默认从挂载数据卷/opt/maxkb/conf读取。若设置MAXKB_CONFIG_TYPEENV则直接由环境变量驱动。核心环境变量及其默认值可从 Dockerfile 与 conf.py 中还原环境变量默认值说明MAXKB_DB_NAME/MAXKB_DB_HOST/MAXKB_DB_PORT/MAXKB_DB_USER/MAXKB_DB_PASSWORDmaxkb/127.0.0.1/5432PostgreSQL 连接信息MAXKB_DB_MAX_OVERFLOW80数据库连接池最大溢出连接数conf.py 中POOL_OPTIONS直接引用MAXKB_REDIS_HOST/MAXKB_REDIS_PORT/MAXKB_REDIS_DB/MAXKB_REDIS_PASSWORD127.0.0.1/6379/0Redis 缓存配置MAXKB_EMBEDDING_MODEL_PATH/MAXKB_EMBEDDING_MODEL_NAME/opt/maxkb-app/model/embedding默认中文向量模型路径shibing624_text2vec-base-chineseMAXKB_LOCAL_MODEL_HOST/MAXKB_LOCAL_MODEL_PORT/MAXKB_LOCAL_MODEL_PROTOCOL127.0.0.1/11636/http内置本地模型服务地址MAXKB_SANDBOX/MAXKB_SANDBOX_HOME1//opt/maxkb-app/sandbox工具代码沙箱开关与沙箱目录MAXKB_ADMIN_PATH/admin管理后台访问路径MAXKB_CONFIG_TYPEENV容器内配置读取方式FILE或ENVMAXKB_DATA_UPLOAD_MAX_MEMORY_SIZE100 * 1024 * 1024字节文件上传大小上限见 web.py其中数据库连接池与 Redis 缓存的组装逻辑定义在 conf.py 的get_db_setting()/get_cache_setting()中数据库引擎采用dj_db_conn_pool连接池POOL_SIZE20、RECYCLE1800、PRE_PINGTrueRedis 使用django_redis且支持通过MAXKB_REDIS_SENTINEL_SENTINELS配置切换到 Redis Sentinel 高可用模式对应 web.py 中的DJANGO_REDIS_CONNECTION_FACTORY设置。五、技术栈与仓库源码结构README_CN 明确了 MaxKB 的技术栈与仓库实测完全一致前端Vue.js源码位于 ui/src包含 227 个.vue视图组件与 119 个工作流组件构建产物为ui/dist后端Python / DjangoDjango 5.2 Django REST Framework见 pyproject.toml业务代码位于 appsLangChainlangchain/langgraph/deepagents等框架用于 RAG 编排与 Agent 构建向量数据库PostgreSQL / pgvector基础镜像内置 pgvector 扩展knowledge/vector提供向量读写封装。后端业务模块Django App与平台能力映射关系如下App 目录职责apps/knowledge知识库、文档、段落、问题与标签管理向量检索apps/application应用问答应用、工作流引擎、聊天记录与统计apps/chat聊天会话、免登录嵌入embed与投票apps/models_provider模型供应商接入与模型管理apps/tools工具含函数库与工具工作流apps/trigger触发器与定时任务apps/common通用组件认证、表单、异常处理、MCP、沙箱等apps/system_manage系统设置、邮箱、日志与权限管理apps/users用户与登录认证六、配套资源与使用参考案例展示仓库内 USE-CASES.md 收录了典型应用场景可作为选型与落地方案参考使用手册与论坛部署与日常使用中遇到问题可查阅官方使用手册或通过官方论坛求助交流产品版本对比MaxKB 不同产品版本社区版 / 企业版等的能力差异可参考官方「MaxKB 产品版本对比」页按需选择团队介绍材料官方提供了可下载的 MaxKB 介绍 PPT便于在企业内部同步技术选型结论。七、小结从一条命令到企业级 Agent 平台从 README_CN.md 出发可以看到MaxKB 的价值在于用一条 Docker 命令把「模型接入 知识库 工作流 智能体 外部嵌入」完整串起来docker run即可获得开箱即用的企业级智能体平台默认账号admin / MaxKB123..登录后即可创建知识库、编排工作流并嵌入现有业务系统。而仓库源码则揭示了其背后扎实的实现基础——Django 模块化业务、pgvector 向量检索、LangChain/LangGraph Agent 编排、MCP 工具调用与 20 余家模型供应商适配层。对企业团队而言这既是一套可立即投入生产的 AI 应用底座也是一份值得深入研读的开源实现范本。赞分享人工智能大模型AI AgentRAG工具调用后端前端知识库【免费下载链接】MaxKB MaxKB is an open-source platform for building enterprise-grade agents. 强大易用的开源企业级智能体平台。项目地址https://gitcode.com/GitHub_Trending/ma/MaxKB点击查看免费下载相关推荐MaxKB 开源企业级智能体平台详解从 RAG 知识库到 Agent 工作流编排与快速部署MaxKB 开源企业级智能体平台详解从 RAG 知识库到 Agent 工作流编排与快速部署 MaxKBMax Knowledge Brain是一个开源的企人工智能大模型AI AgentRAG工具调用后端前端知识库如何微调luke-japanese-large-sentiment-analysis-wrime自定义日语情感分析模型训练指南 如何微调luke japanese large sentiment analysis wrime自定义日语情感分析模型训练指南 luke japanes企业知识管理终极解决方案MaxKB完整企业级RAG平台部署指南企业知识管理终极解决方案MaxKB完整企业级RAG平台部署指南 MaxKB是基于LLM大语言模型的知识库问答系统由1Panel官方出品支持开箱即用并能快速人工智能大模型AI AgentRAG工具调用后端前端知识库上一篇CopilotKit Frontend Tools应用内操作实战让 Claude Agent 直接调用 React 前端函数下一篇OpenJarvis 使用 systemd 部署 Linux 常驻 API 服务单元文件配置、安全加固与运维指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考