使用MaxKB搭建知识库问答系统并接入个人网站(halo)

首发地址(欢迎大家访问):使用MaxKB搭建知识库问答系统并接入个人网站


前言

OpenAI推出ChatGPT到现在,大模型已经渗透到各行各业,大模型也逐渐趋于平民化;从最开始对其理解、生成、强大的知识积累的惊叹,到现在希望大模型能更加的易用、准确甚至是在各个生产环节起到作用。不管是企业还是个人,对大模型的需求都是非常旺盛且丰富的;

大模型在广义上是指参数数量大、结构复杂的深度学习模型,具备涌现能力、通用能力,并能够处理复杂的下游任务,如自然语言处理、图像识别等。它包含大语言模型、大视觉模型、大语音模型等;而大语言模型(Large Language Model,简称 LLM)是目前最热门、应用最广泛的技术;

而在大语言模型不断投入市场让更多的用户使用的过程众,大语言模型本身的问题也暴露出来了;其中最大的问题就是幻觉,所谓幻觉,就是大语言模型提供的答案看似很合理,但实际上就是在胡说八道。导致大模型幻觉的原因有很多种,要讨论的话也并非三言两语可以结束的,所以这里不做过多的拓展。简单理解一下,大模型幻觉大多数的情况就是知识数据问题,失真、边界等问题都大概率会导致幻觉

针对知识失真、边界导致幻觉的问题,通常是两种方式,一种是微调,另外一种就是检索增强生成(Retrieval Augmented Generation,RAG)

RAG是一种结合检索和生成技术的模型。它通过引用外部知识库的信息来生成答案或内容,具有较强的可解释性和定制能力,适用于问答系统、文档生成、智能助手等多个自然语言处理任务中。RAG模型的优势在于通用性强、可实现即时的知识更新,以及通过端到端评估方法提供更高效和精准的信息服务1

个人的理解就是,RAG 就是给大模型外观一个知识库,在用大模型的过程中,用知识库里的知识来辅助大模型回答用户问题;后面计划专门记录一下个人对相关知识的理解,所以这里也不做过多的扩展;

大语言模型和RAG的结合,无论是对于企业还是个人都是有实质性的增效的。因为简单从成本和效果综合来看,RAG绝对是比微调更好的选择;

而RAG发展到现在,技术上的门槛已经降低很多了,相关的开源项目特别多,例如difyFastGPTQAnything以及本文主角MaxKB等;

首先说下我选MaxKB的原因,说实话,我还没有试过其他的产品。我使用RAG主要需求就是想放到我的博客网站上,能快速定位到相关的历史知识,提升体验;

MaxKB开箱即用,支持快速嵌入到第三方业务系统的特性可以说直接起飞,下面进入正文。

MaxKB简介

官方介绍

官网地址:https://maxkb.cn/

  • 产品介绍

    MaxKB = Max Knowledge Base,是一款基于大语言模型和 RAG 的开源知识库问答系统,广泛应用于企业内部知识库、客户服务、学术研究与教育等场景。作为一款专注于知识库问答场景的软件产品,MaxKB 能够为企业的智能化进程注入新的动力,助力企业实现“提质增效”的目标。在知识库管理方面,MaxKB 帮助企业实现知识采集、知识入库、知识库构建的全流程自动化;在场景化智能搜索方面,MaxKB 能够解析用户输入的问题并匹配检索知识库;在回复准确性方面,MaxKB 采用了成熟的 LLM + RAG 技术,能够最大限度地降低大模型幻觉对知识搜索准确性的干扰,提高企业对业务数据的分类与召回能力;安全性方面,MaxKB 支持本地部署和调用本地大模型,有效管控企业使用知识库时越级访问的风险,以及公有模型在数据传输方面可能存在的安全隐患。借助 MaxKB,企业用户可以快速上线业务 AI 助手,将生成式 AI 能力应用于业务数据管理、内部资料查询、线上客户服务等领域,优化业务服务流程并切实提升用户体验2

    sceenshot1

  • 产品优势

    • 开箱即用
      支持直接上传文档 / 自动爬取在线文档,支持文本自动拆分、向量化和 RAG(检索增强生成),有效减少大模型幻觉,智能问答交互体验好;
    • 快速接入
      支持零编码嵌入到第三方业务系统,以及快速接入企业微信、钉钉、飞书、公众号等应用,让已有系统快速拥有智能问答能力,提高用户满意度;
    • 灵活编排
      内置强大的工作流引擎和函数库,支持编排 AI 工作过程,满足复杂业务场景下的需求;
    • 模型中立
      支持对接各种大模型,包括本地私有大模型(Llama 3 / Qwen 2 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 等)和国外公共大模型(OpenAI / Claude / Gemini 等)2

架构

我们主要看一眼这个技术路线,就是典型的RAG流程:

实现原理

部署与集成

安装部署

  • 硬件要求:

    • 操作系统:Ubuntu 22.04 / CentOS 7.6 64 位系统
    • CPU/内存:2C/4GB 以上
    • 磁盘空间:100GB

​ 怎么说呢,就是这个硬件要跑起来就会比较卡,在向量化文本或者问答的时候都会比较卡,所以建议硬件再升一升会更好点;

  • 安装部署:

    直接看官方文档吧,很简单:https://maxkb.cn/docs/installation/offline_installtion/

创建应用

主要的使用教程依旧是看官网就行,官网的文档很详细;

这里只做简单的记录;

  • 首先接入大模型

每个模型怎么接入的方式在官方文档也有(再夸一夸这个文档,真的很友好);

我这里是用的星火lite模型,主要有两个原因,首先我不需要很好的大模型,能理解我的知识进一步润色后回答即可,也就是有基本的能力就行;其次就是星火这个模型免费(很妙);

image-20241022162904818

  • 创建个人的知识库

如图所示,这里可以创建本地库也可以创建web网站知识库;web站点的知识库,MaxKB会自动的爬取网站下面的文本数据;

由于博客网站有很多页面的信息对于知识问答来讲都是没用的,甚至会引起偏差,所以我这里就创建的本地知识库,然后把网站上的文章手动导进来的;

这个方式很笨,因为更新文章后,知识库不能自动更新,后面再琢磨吧;

当然,我的博客是使用halo搭建的,halo中是有一个付费插件可以实现自动更新和集成的;

照目前的需求来看,是不用投资的,所以就不弄插件了,简单集成下先;

image-20241022163311099

创建后要等待向量化完成:

image-20241022164422911

  • 创建一个应用

创建应用,里面添有两个选型,一个是简单配置一个是高级编排;

这里就不得不说,这个产品迭代的速度还是很快的,上一次体验就没编排,现在连workflow都加进来了,很不错;

我不需要通过workflow来编排什么任务,就是简单的问答;

所以选择简单配置即可;

image-20241022164622668

  • 设置应用

点击应用卡片,进入配置该应用关联的模型、知识库和相关提示语;

image-20241022164938285

配置好后,就可以在右侧的调试区域试一下了;可以看到召回的文档片段,很强大;

到这里,基本就完成了应用的搭建了;

image-20241022165046746

集成到第三方应用(干货)

集成可不要太简单,这也是MaxKB友好的地方,直接提供了页面嵌入和浮窗嵌入的代码,极速嵌入;不需要再进一步集成接口和开发了;

当然它也提供了api接口,你可以通过接口接入其他应用;

image-20241022165302133

集成到halo;

如果你选择和我一样直接全局注入浮窗模式的代码:

image-20241022165654373

那就得看你是用的是啥主题了,我用的主题就加载不成功;

我用hao主题,直接没显示;

image-20241022182945500

然后切换一个主题试一下:

诶!好了,神奇不!

image-20241022183152976

  • 找原因

最开始我以为是遮盖的原因,就直接看下元素:

ok代码注入没问题

image-20241022183821228

看一下注入的js的源代码(省略不重要部分):

最重要的其实就是initMaxkb()、initMaxkbStyle(root)、embedChatbot(),然后在initMaxkb()中通过document.body.appendChild(maxkb)把浮窗嵌入到body标签的最后面;所以我们看一眼body标签

const guideHtml=`...
`
const chatButtonHtml=
`...`const getChatContainerHtml=(protocol,host,token,query)=>{...}const initGuide=(root)=>{...
}
const initChat=(root)=>{...
}
/*** 第一次进来的引导提示*/
function initMaxkb(){const maxkb=document.createElement('div')const root=document.createElement('div')root.id="maxkb"initMaxkbStyle(maxkb)maxkb.appendChild(root)document.body.appendChild(maxkb)const maxkbMaskTip=localStorage.getItem('maxkbMaskTip')if(maxkbMaskTip==null && true){initGuide(root)}initChat(root)
}// 初始化全局样式
function initMaxkbStyle(root){style=document.createElement('style')style.type='text/css'style.innerText=  `......`root.appendChild(style)
}function embedChatbot() {white_list_str=''white_list=white_list_str.split(',')if (true&&(false?white_list.includes(window.location.origin):true)) {// 初始化maxkb智能小助手initMaxkb()} else console.error('invalid parameter')
}
window.onload = embedChatbot

OK,找了半天没找到:

image-20241022184416412

那简单了,排查一下是哪个函数出问题了;

直接把js代码下载下来,嵌入源代码:

image-20241022184852376

排查方法就是在函数里面console.log;

最后发现是window.onload 事件没执行!

具体原因其实我也不知道,反正找到原因就好办了,改下方法硬搞!

(但是下面这个方法也不是所有端,所有浏览器适配,如果你有更好的方法欢迎评论探讨!)

使用 DOMContentLoaded 事件代替 load 事件:

DOMContentLoaded 事件是浏览器提供的 DOM(文档对象模型)事件之一,它在浏览器加载并解析完所有HTML文档后触发,但不必等待样式表、图像和子框架完成加载。这意味着在 DOMContentLoaded 事件触发时,DOM树已经建立,可以对DOM进行操作,但页面上的其他资源可能还在加载中。

DOMContentLoadedonload 在网页加载过程中触发的时机和作用范围有所不同:

  1. 触发时机
    • DOMContentLoaded:当初始的HTML文档被完全加载和解析完成之后立即触发,不等待样式表、图片和子框架完成加载。
    • onload:在整个页面包括所有依赖资源(如样式表、图片、子框架等)完全加载完成后触发。
  2. 作用范围
    • DOMContentLoaded:只关心HTML文档的加载和解析,不涉及其他资源。
    • onload:关心整个页面的加载,包括HTML、CSS、JavaScript、图片等所有资源。
  3. 用途
    • DOMContentLoaded:适合执行那些不依赖于样式表和图片的脚本,比如DOM操作和事件绑定。
    • onload:适合执行那些需要等待所有资源加载完成后才能运行的脚本,比如页面的最终渲染和资源的完整性检查。
  4. 兼容性
    • DOMContentLoaded:几乎所有现代浏览器都支持。
    • onload:所有浏览器都支持,是一个历史悠久的事件。
document.addEventListener('DOMContentLoaded', function() {// 初始化maxkb智能小助手embedChatbot();
});

解决!

image-20241022185142986

还有一点小问题,那个小图标会被一些元素挡着,我就改了一下CSS:

这个需求就见仁见智了

#maxkb .maxkb-tips .maxkb-button button {border-radius: 4px;background: #FFF;padding: 3px 12px;color: #3370FF;cursor: pointer;outline: none;border: none;z-index: 10000; /* 设置z-index */
}

注意

我没有用Maxkb提供的嵌入方法,我是直接嵌入的源代码(访问maxkb提供的那个url下载的js代码)!

halo 1.6嵌入

其实只要你选择嵌入源代码,所有的事情都好办了,有问题直接简单修改下代码就行!

效果展示

https://blog.jiumoz.top/

image-20241022190516754

总结

说实话,个人博客也不是特别需要这个东西,就是看着有点帅罢了;不过也算是学习大模型相关知识的一小步;

后面我希望我博客里面记录更多干货,MaxKB的分享就到这里了!


  1. 阿里云推出企业级大模型RAG解决方案 “最强外挂”可大幅提升语言模型表现. ↩︎

  2. MaxKB文档 ↩︎ ↩︎

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/61240.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android15之解决:Dex checksum does not match for dex:framework.jar问题(二百三十九)

简介: CSDN博客专家、《Android系统多媒体进阶实战》一书作者 新书发布:《Android系统多媒体进阶实战》🚀 优质专栏: Audio工程师进阶系列【原创干货持续更新中……】🚀 优质专栏: 多媒体系统工程师系列【…

消息队列原理面试题及参考答案

什么是消息队列? 消息队列是一种在不同应用程序组件或者系统之间进行异步通信的中间件技术。它就像是一个信息的 “中转站”。从技术层面来讲,消息队列主要由消息生产者、消息队列本身和消息消费者这几个核心部分构成。 消息生产者负责创建消息并将其发送到消息队列中。这些消…

ubuntu16.04配置网卡

安装ubuntu16.04到最后选择安装服务时通过空格勾选 网卡 bond1 、集群内机器之间访问无网络限制 操作系统 raid1 数据盘得根据咱们的用途来看做raid几,如果用于ceph 就做单盘 raid0 ,其他做raid5 操作系统 bc-euler 21.10 及以上或者 bc-龙蜥 8.2以上…

css 溢出隐藏显示省略号

单行文字超出隐藏: 要使用CSS使超出容器的文本隐藏并以省略号显示,可以使用以下属性: overflow:hidden: 设置为 hidden 以隐藏超出容器的内容。 text-overflow:ellipsis: 设置为 ellipsis 以显示省略号。 white-space:nowrap: 设置为 nowr…

LLM学习笔记(5)微调 Fine-tuning

什么是微调(Fine-tuning)? 微调(Fine-tuning)是指在预训练模型(如 GPT)基础上,通过加入特定的数据对模型进行进一步训练,以优化其在某一特定任务或领域上的表现。它的主…

oracle配置

# 切换至oracle用户 [rootlocalhost ~]# su - oracle# 连接,以 DBA 用户身份登录 SQL*Plus [oracledb ~]$ sqlplus / as sysdba# 查看现有表空间名称及存放路径 SQL> SELECT file_name,tablespace_name FROM dba_data_files;-- 创建表空间 zf CREATE TABLESPACE zf DATAFILE…

【Unity基础】对比Unity中两种粒子系统

在Unity中,Particle System和Visual Effect Graph (VFX) 都是用于创建粒子效果的工具,但它们的设计目标、使用场景和功能特点有所不同。以下是详细对比: 1. Particle System 特点 传统粒子系统,Unity自带的模块化粒子特效工具。…

快速搭建Android开发环境:Docker部署docker-android并实现远程连接

目录 前言 1. 虚拟化环境检查 2. Android 模拟器部署 3. Ubuntu安装Cpolar 4. 配置公网地址 5. 远程访问 小结 6. 固定Cpolar公网地址 7. 固定地址访问 作者简介: 懒大王敲代码,计算机专业应届生 今天给大家聊聊快速搭建Android开发环境&#x…

CSS回顾-CSS选择器详解

一、引言 我来填坑啦!之前在CSS基础知识详解中介绍过,CSS 是一门基于规则的语言。是由选择器与样式信息组成:选择器 {样式信息}。CSS 选择器是 CSS 规则的关键,能精准定位 HTML 元素,CSS3 新增选择器更是增强了设计能…

第十二章 并行Stream流

目录 一、引言 二、获取并行Stream流的两种方式 三、并行和串行Stream流的效率对比 四、parallelStream线程安全问题 五、parallelStream背后的技术 5.1. Fork/Join框架介绍 5.2. Fork/Join原理-分治法 5.3. Fork/Join原理-工作窃取算法 5.4. Fork/Join案例 一、引言 …

gitlab cicd搭建及使用笔记(二)

cicd之gitlab-runner使用要点 官方链接:https://docs.gitlab.com/runner/ 附历史文章链接 https://blog.csdn.net/qq_42936727/article/details/143624523?spm1001.2014.3001.5501 gitlab-runner常用命令及解释 gitlab-runner verify 容器内,检查注…

2411rust,1.81,1.82

1.81.0稳定版 core::error::错误 1.81稳定了核心中的Error特征,允许在#![no_std]库中使用特征.这样在相同错误特征上,可标准化更广泛的Rust生态系统,而不管库的环境. 新的排序实现 都已按新算法更新了标准库中的稳定和不稳定排序实现,从而改进了它们的运行时性能和编译时间…

【EasyExcel】复杂导出操作-自定义颜色样式等(版本3.1.x)

文章目录 前言一、自定义拦截器二、自定义操作1.自定义颜色1.1.样式未生效原因:1.2.解决方法: 2.合并单元格 三、复杂操作示例1.实体(使用了注解式样式):2.自定义拦截器3.代码4.最终效果 前言 本文简单介绍阿里的EasyExcel的复杂导出操作&…

Excel单元格中自适应填充多图

实例需求:在Excel插入图片时,由于图片尺寸各不相同,如果希望多个图片填充指定单元格,依靠用户手工调整,不仅费时费力,而且很难实现完全填充。如下图中的产品图册,有三个图片,如下图所…

SQL面试题——间隔连续问题

间隔连续问题 某游戏公司记录的用户每日登录数据如下 +----+----------+ | id| date| +----+----------+ |1001|2021-12-12| |1001|2021-12-13| |1001|2021-12-14| |1001|2021-12-16| |1001|2021-12-19| |1001|2021-12-20| |1002|2021-12-12| |1002|2021-12-16| |1002|…

【C++笔记】vector使用详解及模拟实现

前言 各位读者朋友们,大家好!上期我们讲了string类的模拟实现,这期我们开启vector的讲解。 一.vector的介绍及使用 1.1 vector的介绍 vector的文档 使用STL的三个境界:能用、明理、能扩展,下面学习vector&#xff…

LLM评测范式与方法

文章目录 基础大语言模型的评测微调大语言模型的评测不同评测方法的利弊为了有效地评估大语言模型的性能,一种主流的途径就是选择不同的能力维度并且构建对应的评测任务,进而使用这些能力维度的评测任务对模型的性能进行测试与对比。可供选择的能力维度包括但不限于本书所介绍…

3D Gaussian Splatting的全面理解

1.概述 高斯泼溅是一种表示 3D 场景和渲染新视图的方法,在“用于实时辐射场渲染的 3D 高斯泼溅3d-gaussian-splatting”这篇论文中被首先提出。它可以被认为是类似 NeRF模型型的替代品,就像过去的 NeRF 一样,高斯泼溅衍生出了许多新的研究工作,研究人员选择将其用作各种用…

Layui的select控件的onchange事件 无效的解决方法

举例&#xff1a; <select id"UserID" class"my-css" lay-filter"onchange"><option value"">请选择</option><option value"117">张三</option><option value"92">李四<…

《生成式 AI》课程 第3講 CODE TASK 任务3:自定义任务的机器人

课程 《生成式 AI》课程 第3講&#xff1a;訓練不了人工智慧嗎&#xff1f;你可以訓練你自己-CSDN博客 我们希望你创建一个定制的服务机器人。 您可以想出任何您希望机器人执行的任务&#xff0c;例如&#xff0c;一个可以解决简单的数学问题的机器人0 一个机器人&#xff0c…