RAGFlow
同为企业知识库问答方案,都支持接本地模型与自托管。
MaxKB 部署更轻(单容器)、许可为 GPL-3.0;RAGFlow 依赖多、资源要求高,但文档解析更深。未核验两者检索质量差距。
开箱即用的企业级智能体平台:上传文档自动切分向量化做知识库问答,再用工作流引擎与 MCP 工具编排多步流程,并强调零代码接入第三方业务系统。它解决的是中小企业「想上知识库问答但没人能搭一套完整服务」的问题。
MaxKB(Max Knowledge Brain)是 1Panel 团队开源的企业级智能体平台,主打「强大易用」。按仓库说明,它把 RAG 管道、工作流引擎与 MCP 工具调用整合在一起,典型应用场景写明为智能客服、企业内部知识库、学术研究与教育。功能上包括:直接上传文档或自动爬取在线文档,自动切分与向量化,以降低大模型幻觉;工作流引擎加函数库加 MCP 工具,支持编排复杂业务流程;零代码快速接入第三方业务系统,让已有系统具备问答能力;模型侧不锁定,既能接 DeepSeek、Llama、Qwen 等私有部署模型,也能接 OpenAI、Claude、Gemini、MiniMax 等公有模型;原生支持文本、图片、音频、视频的多模态输入输出。部署极简:一条 docker run 命令即可起容器(端口 8080,数据挂到 ~/.maxkb),默认管理员账号密码在 README 中给出,国内用户另有离线安装文档。技术栈为 Vue 前端、Python/Django 后端、LangChain 框架、PostgreSQL + pgvector 存储。对传统企业,它是最「轻」的一条入门路:一台机器、一个容器,就把知识库问答和客服机器人跑起来。
适合快速上手的场景企业内部制度与产品资料问答、客服首轮应答、培训与教学问答、科研资料检索辅助;也适合作为第三方业务系统(如官网、OA、工单系统)的问答能力插件。
Vue.js 前端 + Python/Django 后端 + LangChain 框架 + PostgreSQL/pgvector 向量库;一条 docker run 起容器(8080 端口,数据挂载 ~/.maxkb),另提供离线安装包方案;能力包括 RAG 管道(上传或爬取文档、自动切分、向量化)、Agentic 工作流与函数库、MCP 工具调用、多模态输入输出、模型无关接入。约 2.31 万 star、3.2k fork,仓库规模明显小于同方向其它候选。本次仅读 README,未部署。
它把「知识库 + 客服 + 第三方系统接入」压缩成一个容器,试错成本极低;对企业信息化人员,Docker 一条命令、默认账号即可验证效果,是最容易被内部推动的形态。
GPL-3.0 是最需要注意的一点:若对外分发修改后的版本或作为产品一部分交付,需按 GPL 开源相应代码,企业内部自用一般不触发;单容器部署简单但横向扩展与高可用需自行设计;本轮未部署,实际中文文档问答效果未验证。
GPL-3.0
仓库采用 GNU GPL v3(GPL-3.0):这是强 copyleft 许可,核心义务是——若你分发(包括作为交付物提供给客户)基于它的修改版本,必须以 GPL-3.0 公开相应源代码并保留许可声明;仅在内部使用、不对外分发时通常不触发开源义务。这意味着:作为企业内部工具自用没问题;若集成方要把它打包进商业产品对外销售,需评估开源义务或走商业授权/替代方案。代码许可不覆盖模型与数据,接入的模型权重与文档仍按各自条款处理。
协议解读供选型参考,不构成法律意见。
适合作为「一周内跑起来」的最小验证:用单容器部署、灌 3–5 份真实资料先看回答质量;确认要对外交付前,务必先过一遍 GPL-3.0 的分发义务。
Star23100;观测时间:2026-11-06T07:10:40Z
暂无可比增长基线
开源代码
未找到可靠口碑
用 Algolia 检索 maxkb 关键词,命中的几乎全是无关项目(Markbook、Maskbook 等),未见针对 MaxKB 本身的使用经验或争议;因此本轮无法给出社区口碑,仅能从仓库自身信息判断。
Hacker News 检索结果全是同名噪声(Markbook、Maskbook 等无关项目),说明该项目在国际技术社区几乎没有讨论度;其真实口碑更多在中文社区,而本轮未覆盖中文社区渠道。
模型知识参考,未在线核验;名称、维护状态和许可证需另行核实。
同为企业知识库问答方案,都支持接本地模型与自托管。
MaxKB 部署更轻(单容器)、许可为 GPL-3.0;RAGFlow 依赖多、资源要求高,但文档解析更深。未核验两者检索质量差距。
都被中小企业在同一场景下比较:搭一个能回答内部资料的机器人。
Dify 编排能力更强、许可为附加条件的类 Apache;MaxKB 更垂直(知识库问答 + 客服)且许可更严格。