RAG 问答流水线
把上传的文档切分、向量化后建立索引,回答时先检索相关内容再交给大模型生成答案,降低模型凭空编造的概率,适合基于自有资料作答的场景。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
MaxKB 全称 Max Knowledge Brain,是一个开源的企业级智能体构建平台,把检索增强生成(RAG)流水线、工作流编排和 MCP 工具调用能力打包在一起,主要面向智能客服、企业内部知识库、学术研究和教育等场景。它的好处是开源、可以自建部署,数据留在自己服务器里;难点也在这里,需要自己搭环境、接模型和调效果,不是打开网页就能用。
MaxKB 全称 Max Knowledge Brain,是一个开源的企业级智能体构建平台。它把检索增强生成(RAG)流水线、工作流编排和 MCP 工具调用能力整合在一起,用于搭建能基于自有知识回答问题的问答机器人和智能体。
从定位看,它解决的是「把企业自己的文档变成可问答的知识库」这件事:上传资料、切分索引、接入大模型,再由模型带着检索到的内容作答。典型落地场景包括智能客服、企业内部知识库、学术研究和教育。
不同角色的用法差别较大。普通使用者主要是提问和查看引用来源;搭建者需要配置知识库、模型和工作流;开发者则可以基于开源代码做二次开发,或通过 API 把它接进现有系统。
把上传的文档切分、向量化后建立索引,回答时先检索相关内容再交给大模型生成答案,降低模型凭空编造的概率,适合基于自有资料作答的场景。
支持把多个处理步骤串成流程,按条件分支、按顺序调用不同节点,用来处理多步骤问答或需要先判断再回答的业务逻辑。
具备 MCP 工具调用能力,可以让智能体在回答过程中调用外部工具或服务获取信息,而不只是依赖已索引的知识库内容。
面向企业场景构建智能体,可用于智能客服、内部知识库问答等,把知识库、工作流和工具调用组合成一个可对外服务的问答入口。
以开源形式发布,可以部署在自己的服务器上,知识库内容和大模型调用链路都由自己掌控,适合对数据不出内网有要求的团队。
要把内部文档变成问答入口、又不接受资料放到外部平台,开源自建是主要理由。前提是有人能负责部署和后续维护。
需要基于产品手册和常见问题自动答客,且答案要能追溯到原文出处。适合先把知识库问答跑顺,再考虑接工单和人工坐席。
想直接看一套完整的 RAG 加工作流加工具调用的实现,而不是从零搭架子,可以基于它改。需要能读懂代码并自行排查问题。
想开箱即用会卡在部署和模型接入上,出问题也没有人能查日志。真要用,先确认有可调用的技术人员,或改用现成的托管型问答产品。
开源自建意味着服务器、模型接口、版本升级都要自己管。如果不想承担这些,用它反而比直接买托管服务更费事。
它是以开源形式发布的平台,可以自行部署使用。但开源不等于零成本,服务器、模型接口调用和后续维护都要自己承担。具体是否有商业版本或付费支持,价格与额度未公布。
核心是基于自有文档做问答:上传资料建立知识库,回答时先检索相关内容再交给大模型生成答案。在此之上还支持工作流编排和 MCP 工具调用,可以搭出能调用外部服务的智能体,常用于智能客服和企业内部知识库。
关键看数据能不能出内网、以及有没有人能维护。资料必须留在自己服务器、且有技术人员,选 MaxKB 自建更合适;只想尽快用起来、没有运维人手,托管服务省事得多。
难度主要在部署和调优,而不是日常提问。搭起来需要接入可用的大模型接口、上传资料、调整文档切分方式,这三步做完问答链路才能跑通。文档切得太碎或太大都会影响回答质量。
先确认检索到的原文是否正确。如果检索出来的段落本来就答非所问,问题在切分和索引,重新整理文档结构比改提示词有效;如果检索对了但模型答偏,再去调整提示词或换模型。
它本身就是开源平台,具备工具调用能力,可以作为问答能力嵌进企业已有系统,由开发者做二次开发或对接接口。具体集成方式取决于你们的系统形态和开发资源。
具体支持的文档格式与语言范围未公布,导入前建议先用一份真实资料试跑,确认格式能被正确解析、检索结果符合预期,再批量上传。