MaxKB

1. 项目/产品概览

2. 它主要能做什么

MaxKB 是面向企业完整 AI 落地的 智能体平台，不是单一功能工具箱。核心能力分层：

2.1 知识库管理（构建企业专属大脑）

2.2 RAG 检索增强生成管线

MaxKB 的 RAG 管线分为"摄入 → 处理 → 检索 → 生成"四个阶段：

• 双模式检索：向量语义匹配 + 全文关键词检索融合，支持重排序算法
• 精准控制：可配置相似度阈值（建议 0.75）、引用分段数 TOP 和最大字符数
• 生成策略：知识库命中时可选"模型优化生成"或"直接原文返回"，未命中时支持指定默认回复
• 多路召回节点：v2.10 LTS 新增"满足直接回答的结果列表"输出参数

2.3 Workflow 工作流编排

MaxKB 内置强大的拖拽式工作流引擎，非技术人员也可搭建自动化 AI 流程：

• 节点类型：AI 对话、知识库检索、文档标签检索、多路召回、问题优化、判断器、指定回复、文档内容提取、文本转语音、语音转文本、图片理解、视频理解、图片生成、文生视频、图生视频、表单收集、循环、变量拆分、变量聚合、参数提取、变量赋值、MCP 调用等 30+ 种
• 变量体系：支持全局变量、会话变量、外置参数（可在输入框平铺展示）
• 触发方式：支持定时触发和事件触发
• 流式执行：AI 回答时显示正在执行的节点名称

2.4 MCP 工具与 Skills 技能

• MCP 服务工具：对接第三方服务 API，实现数据库查询、邮件发送、ERP/CRM 系统交互。例如郑州海关通过 MCP 构建 AI 审单智能体
• 自定义脚本工具：通过 Python 编写自定义函数，实现数据处理、逻辑判断
• 工作流类型工具：v2.8.0 新增，将整个工作流封装为可复用工具
• Skills 技能：v2.7.0 引入，智能体自主调用 Skills，如让 OpenClaw 调用企业知识库，支持多智能体协同、专家路由与权限隔离
• 内置 200+ 函数：数据清洗、API 调用等常用操作

2.5 多模态交互

2.6 零编码集成

• 前端嵌入：复制生成的代码，以浮窗/全屏/移动端模式嵌入网站、公众号、企业微信、钉钉、飞书、Slack 等
• 后端对接：开放 RESTful API + Skills 技能接口，ERP/CRM 等系统可直接调用
• 第三方应用集成（专业版）：企业微信应用/微信客服、钉钉应用、飞书应用、微信公众号

3. 适用场景

4. 不太适合的场景

5. 核心能力清单

5.1 知识库能力

5.2 智能体能力

5.3 模型支持

5.4 企业级治理

6. 架构/部署/集成方式

技术架构

部署模式

模型集成方式

• 公有云模型：通过 API Key 直接对接（OpenAI、Claude、通义千问、DeepSeek 等）
• 本地私有模型：通过 Ollama / vLLM / Xinference 等推理网关接入
• 多模态模型：语音、视觉、视频模型均通过标准接口对接
• Embedding 模型：bge-m3、text2vec 等，支持本地和云端

系统要求

7. 怎么用

7.1 安装部署（3 分钟上手）

# Docker 一键部署
docker run -d --name=maxkb --restart=always \
  -p 8080:8080 \
  -v ~/.maxkb:/opt/maxkb \
  1panel/maxkb

# 访问：http://你的服务器IP:8080
# 默认账号：admin
# 默认密码：MaxKB@123..

中国用户如遇 Docker 镜像 Pull 失败，可参照离线安装文档。

7.2 三步开启 AI 落地

第一步：接入大模型

登录 WebUI → 系统设置 → 模型管理 → 添加模型 → 选择供应商（如 DeepSeek、Qwen、OpenAI）→ 填写 API Key 或配置本地模型地址。

第二步：构建知识库

知识库 → 新建知识库 → 拖拽上传文档（或输入 URL 爬取）→ 系统自动分段、向量化 → 等待"就绪"状态。

第三步：创建智能体

智能体 → 新建 → 选择简易智能体 → 关联刚创建的知识库 → 发布 → 分享链接或嵌入第三方系统。

7.3 进阶：从 RAG 到 Agent 的渐进式路线

基础 RAG 问答（知识库关联即用）
    ↓
高级检索优化（混合检索 + 重排序 + 术语库）
    ↓
工作流自动化（拖拽编排：检索→判断→工具调用→生成）
    ↓
MCP 工具集成（连接数据库、ERP、CRM 等外部系统）
    ↓
Skills 技能 + 多智能体协同（专家路由、任务分发）

7.4 数据备份

# 备份数据目录
tar -czf maxkb_backup_$(date +%Y%m%d).tar.gz ~/.maxkb

# 恢复数据
tar -xzf maxkb_backup_20250101.tar.gz -C ~/

8. 售前可以怎么讲

8.1 一句话定位

"MaxKB 是国内最易上手的企业级智能体平台——一句话 Docker 部署，全功能 WebUI 操作，从 RAG 到 Agent 渐进式升级，已服务 1000+ 企业客户。"

8.2 客户痛点 → 解决方案

8.3 差异化卖点

vs RAGFlow（最常被对比）

官方对比页：https://maxkb.cn/maxkb-vs-ragflow

选型建议：如果企业目标是尽快把 AI 用于客服、知识服务和业务协作，优先 MaxKB；如果核心目标是深度文档理解和 RAG 链路优化，RAGFlow 更合适。两者非零和——可以 MaxKB 做平台、RAGFlow 做引擎，互补使用。

vs Dify

8.4 客户价值故事线

1. 切入："你们现在有内部知识管理或客服系统吗？人工处理效率怎么样？"
2. 痛点共鸣："知识散布在各处，新员工找不到，老员工没时间教，客服反复回答同样问题……"
3. 快速验证：现场演示——一分钟 Docker 部署 → 拖入几份文档 → 当场问答，客户亲眼看到效果
4. 渐进路线："你们可以从一个部门的知识库开始，效果好了推广到全公司，再升级到自动化工作流。"
5. 安全定心："数据完全在你们自己的服务器上，支持离线安装，和内网环境无缝对接。"
6. 长期保障："v2.10 LTS 版本提供长期维护，每月都有新版本迭代，还有 400 客服电话和原厂技术支持。"
7. 重磅案例："华莱士几千家门店的客服已经在用，你们同行 XX 公司也是我们的客户。"

9. 常见客户问题

10. PoC 建议

推荐 PoC 方向：企业内部知识库 + 智能问答

验证指标：

• 知识库文档上传成功率 > 95%
• 检索召回率 > 85%（通过术语库优化后）
• 端到端回答准确率 > 80%
• 平均响应时间 < 5 秒
• 部署到可演示状态总耗时 < 3 天

PoC 进阶方向：智能客服工作流

对客服场景客户，可额外增加 2 天：

• 构建客服工作流（意图判断 → 知识库检索 → 条件路由 → 多轮对话）
• 对接企业微信/微信公众号
• 统计自助解决率和客户满意度

11. 风险和注意事项

12. 我的售前判断

推荐度：强烈推荐（国内企业知识库和智能体场景的国产首选，部署最简单的企业级 AI 平台）

理由：

1. 部署体验极致：一条 docker run 命令完成部署，内置 PostgreSQL + pgvector，无需额外安装任何组件。这是市面上部署最简单的企业级 AI 平台，没有之一。

1. 全功能 WebUI：RAG 问答、工作流编排、MCP 工具管理、Skills 技能配置、知识库管理、多模态配置——所有操作都在网页端完成，业务人员也能独立使用。

1. 渐进式 AI 升级：RAG → Workflow → Agent 的清晰路径，企业可以一个部门先试点，验证价值后逐步扩展，风险可控。

1. 中文生态最优：原生中文 UI、中文文档、中文社区、中文案例、中文技术支持（400 电话），国内开发者几乎零门槛。

1. 企业级验证充分：1000+ 付费客户覆盖 30+ 行业，华莱士、深圳通、多所高校和政务机构的真实案例可供参考。

1. 长期维护保障：LTS 版本 + 按月迭代 + 500+ 贡献者 + 飞致云企业支持，不用担心项目放弃。

1. 价格透明合理：社区版免费且功能完整，专业版 ¥4.8 万永久授权（远低于同类商业产品），一体机 ¥9.9 万含软硬件全套方案。

推荐客户画像：

• 国内企业（政务、教育、医疗、制造、零售、交通等行业）
• 希望快速落地 AI 但技术团队不强的中小型企业
• 需要私有化部署、数据不出域的合规场景
• 以知识库问答或智能客服为主要切入场景
• 有飞书/钉钉/企业微信等办公生态的企业
• 需要原厂技术支持和 LTS 长期维护

不推荐的情况：

• 核心需求是深度文档解析研究（推荐 RAGFlow）
• 需要 Apache-2.0/MIT 协议进行二次商业分发（推荐 RAGFlow 或 Dify）
• 纯英文/海外市场（推荐 Haystack）
• 需要高度定制化 LLM 应用开发（推荐 LangChain）
• 多 Agent 复杂学术研究是核心需求（推荐 Agno/AgentScope）

13. 参考资料

• GitHub 仓库：https://github.com/1Panel-dev/MaxKB
• 官网：https://maxkb.cn
• 文档：https://maxkb.cn/docs/v2/
• 更新日志：https://maxkb.cn/docs/v2/changelog/
• 版本对比：https://maxkb.cn/price
• 一体机：https://maxkb.cn/appliance
• MaxKB vs RAGFlow：https://maxkb.cn/maxkb-vs-ragflow
• 社区论坛：https://bbs.fit2cloud.com/c/mk/11
• 飞致云博客（MaxKB 分类）：https://blog.fit2cloud.com/categories/maxkb
• B 站演示视频：https://www.bilibili.com/video/BV1vpamzREeS/
• 培训认证：https://edu.fit2cloud.com/
• 技术支持邮箱：support@fit2cloud.com
• 客服电话：400-052-0755

分析日期：2026-07-02 | 数据时效：GitHub 信息实时拉取，产品功能基于官方文档 v2.10.2-lts