本地个人知识库搭建教程：支持 GPT4、Llama3、Kimi 等多种大模型

注意： 先不要关闭这个窗口，稍后还需要填入一些信息。

接下来，在电脑上创建一个存放知识库数据的文件夹，并记住该路径。返回 Docker 界面，找到 Volumes 输入框（对应图中的位置），填入刚才的知识库路径。例如：

/Users/zhenguo/Documents/words

随后在 Container path 输入框中填入 /var/lib/postgresql/data，这是固定不变的配置。

最后点击 Run 按钮，这样一个 MaxKB 容器就搭建完毕了！

4. 打开 MaxKB 网页

浏览器打开链接 http://127.0.0.1:8080，即可看到 MaxKB 应用界面。

首次登录需要提供账号和密码。MaxKB 默认账号通常为 admin，密码为 MaxKB123456（具体请参考官方文档）。登录后，建议立即更改登录用户名和密码。

创建应用程序的界面如下：

5. 构建第一个知识库

选择知识库导航，点击 创建知识库 按钮。

知识库系统主要有两种类型：

1. 通用型：上传本地文档作为知识库来源。
2. Web 站点：以某些网站作为数据来源。

根据需求选择 通用型。点击进入 选择文件夹，上传 Python 副业代码文件、说明文档等。支持的数据格式包括 txt、word、pdf、ppt 等。确定需要上传的文档后，点击右下角的'创建并导入'按钮。

为了加快接入速度，可先选择一部分文件作为测试。MaxKB 支持直接读取一个文件夹，这样更方便。

点击右下角 创建并导入。

导入后，系统会开始处理分析和接入。文档导入时间长短取决于文档内容的多少，内容越多，导入时间越长。

6. 配置本地 Llama3

在 MaxKB 网站内的应用界面中，点击 系统设置，然后进入 模型设置 界面。

可以看到这里支持的大模型比较多。我们以 Ollama + Llama3 配置为例。

首先确保本地已安装 Ollama 并拉取了 Llama3 模型。在终端执行以下命令：

ollama serve
ollama pull llama3

回到 MaxKB 模型设置界面，点击添加模型。按照说明填写配置，然后点击添加：

添加成功后，会显示下面界面：

7. 创建知识库应用

回到 MaxKB 主界面，点击 应用，然后 创建应用。

填写 应用名称、应用描述。AI 模型 这里，选择刚才创建的 MaxKB 里的 Llama3 模型。

记得勾选关联知识库的选项，这样大模型和我们本地知识库就关联起来了：

最后点击 创建 按钮，就会看到下面的应用：

以上完整步骤，根据本文步骤，就可以实现文章开始的问答效果。