MaxKB4j — 基于 Java 的开源 RAG 知识库与 LLM 工作流平台
MaxKB4j = Max Knowledge Base for Java 一个开箱即用、安全可靠、模型中立的 RAG（检索增强生成）+ LLM 工作流引擎，专为构建企业级智能问答系统而设计。
核心特性
开箱即用的知识库问答
- 支持上传本地文档（PDF/Word/TXT/Markdown 等）或自动爬取网页内容
- 自动完成：文本分段 → 向量化 → 存入向量数据库 → 构建 RAG 流程
- 显著减少大模型'幻觉'，提升回答准确性与可信度
模型中立，灵活对接
支持各类主流大模型，包括：
- 本地私有模型：DeepSeek-R1、Llama 3、Qwen 2 等（通过 Ollama / LM Studio / vLLM）
- 国内公有模型：通义千问、腾讯混元、字节豆包、百度千帆、智谱 GLM、Kimi
- 国际公有模型：OpenAI (GPT)、Anthropic (Claude)、Google (Gemini)
只需配置 API Key 或本地端点，即可无缝切换模型！
可视化工作流编排
- 内置低代码 AI 工作流引擎，支持条件分支、函数调用、多轮对话记忆
- 提供丰富内置函数库（HTTP 请求、数据库查询、时间处理、正则提取等）
- 适用于复杂业务场景：客服工单生成、数据报告解读、内部制度问答等
无缝嵌入现有系统
- 提供 RESTful API 和前端嵌入组件（iframe / Web SDK）
- 无需改造原有系统，5 分钟集成智能问答能力
MCP Server 支持（Model Context Protocol）
- 支持 MCP 协议，让 AI 理解代码上下文、项目结构、依赖关系
- 不再只是'聊天机器人'，而是真正的 AI 编程协作者
多模态扩展（规划中）
- 已支持：语音识别（ASR）、语音合成（TTS）、图像识别（OCR）、图像生成（Stable Diffusion）
- 视频生成模型支持正在开发中…
快速开始
1. 环境要求
- Java 17+
- Maven 或 Gradle
- PostgreSQL 12+（启用 pgvector 扩展）
- MongoDB 6.0+（可选，用于全文检索）
2. 启动服务
java -jar MaxKB4j.jar
3. 基于 Docker 部署
docker run --name maxkb4j -d --restart always -p 8080:8080 -e SPRING_DATASOURCE_URL=jdbc:postgresql://localhost:5432/MaxKB4j -e SPRING_DATASOURCE_USERNAME=postgres -e SPRING_DATASOURCE_PASSWORD=123456 -e SPRING_DATA_MONGODB_URI=mongodb://admin:123456@localhost:27017/MaxKB4j?authSource=admin registry.cn-hangzhou.aliyuncs.com/tarzanx/maxkb4j:2.0
其中，-p 8080:8080 中的第一个 8080 是宿主机的端口，-e SPRING_DATASOURCE_URL... 是 PostgreSQL 数据库的连接配置参数，-e SPRING_DATA_MONGODB_URI... 是 MongoDB 的连接配置参数，可以根据需要进行修改。
