# MaxKB4j **Repository Path**: taisan/MaxKB4j ## Basic Information - **Project Name**: MaxKB4j - **Description**: 🔥MaxKB4j 是一款基于Java语言开发的LLM工作流应用和 RAG 的开源LLMOps平台，项目主要借鉴了MaxKB、AIFlowy、Dify和FastGPT, 使用高性能、高稳定性以及安全可靠的JAVA语言重新设计开发。MaxKB4j广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。 - **Primary Language**: Java - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: https://tarzan.blog.csdn.net/ - **GVP Project**: Yes ## Statistics - **Stars**: 1688 - **Forks**: 482 - **Created**: 2024-12-30 - **Last Updated**: 2026-07-23 ## Categories & Tags **Categories**: rag **Tags**: RAG, Agent, LLMOps, langchain4j, AI ## README # 🧠 MaxKB4j — 企业级智能问答系统：开箱即用的 RAG + LLM 工作流引擎 > **MaxKB4j = Max Knowledge Brain for Java** > 一个开箱即用、安全可靠、模型中立的 **RAG（检索增强生成）+ LLM 工作流引擎**，专为构建企业级智能问答系统而设计。 > 广泛应用于 智能客服、企业内部知识库、数据分析、学术研究与教育等场景。

License: GPL v3 Java 21+ Spring Boot 3.x LangChain4j GitHub Stars Last Commit
[中文(简体)] | [English]

> 🚀 **快速开始**：`docker-compose up -d` -> 访问 `http://localhost:8080` · 🌐 [在线 Demo](http://43.143.235.194:8080/)（账号 `demo` / 密码 `demo@123456`） > 💖 **支持本项目** — 如果 MaxKB4j 对你有帮助，欢迎在文末【💖 支持与赞助】请作者喝杯咖啡，每一份支持都是项目持续迭代的动力！☕ --- ## 💡 为什么选择 MaxKB4j？ 在 AI 应用爆发的今天，您是否面临以下挑战？ - ❌ 接入复杂：现有方案依赖 Python 生态，Java 团队上手成本高？ - ❌ 幻觉严重：通用大模型回答不准确，无法结合企业内部数据？ - ❌ 并发瓶颈：传统架构难以支撑高并发场景，响应延迟高？ - ❌ 功能单一：仅能简单问答，无法处理复杂业务流程和多 Agent 协作？ **MaxKB4j 为您提供一站式解决方案：** 基于 **Java 21 + Spring Boot 3 + 虚拟线程** 构建，完美融合 **RAG（检索增强生成）** 与 **可视化工作流**。无需改造原有系统，即可赋予您的应用“理解、推理、执行”的 AI 能力。 ### 📊 MaxKB4j 与同类方案对比（能力矩阵） | 能力 | **MaxKB4j** | Dify | MaxKB | FastGPT | RAGFlow | | :--- | :--- | :--- | :--- | :--- | :--- | | 后端技术栈 | **Java 21 + Spring Boot 3** | Python + TS | Python（Django） | TypeScript（Node.js） | Python（Flask） | | 高并发架构 | ✅ 虚拟线程 + 响应式 | ⚠️ 异步 worker | ⚠️ WSGI worker | ⚠️ Node 事件循环 | ⚠️ Python worker | | RAG 知识库 | ✅ | ✅ | ✅ | ✅ | ✅ | | 可视化工作流 | ✅ | ✅ | ✅ | ✅ | ✅ | | 多 Agent 协作 | ✅ | ✅ | ⚠️ | ⚠️ | ⚠️ | | MCP 协议 | ✅ | ✅ | ✅ | ✅ | ✅ | | 多模态（ASR/TTS/OCR） | ✅ | ⚠️ | ✅ | ⚠️ | ✅ | | 触发器（Cron / Webhook） | ✅ | ✅ | ⚠️ | ⚠️ | ⚠️ | | 权限管理 | ✅ | ✅ | ✅ | ✅ | ✅ | | 嵌入现有系统 | ✅ | ✅ | ✅ | ✅ | ✅ | | **Java 团队接入** | ✅ **原生，零 Python/TS 依赖** | ⚠️ 需 Python/TS | ⚠️ 需 Python | ⚠️ 需 TS | ⚠️ 需 Python | --- ## ✨ 核心特性 | 特性类别 | 详细描述 | | :--- |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | ⏰ 触发器功能 (Triggers) | • 定时任务触发：支持配置 Cron 表达式或可视化时间轴，实现智能体与工具的无人值守自动化（如：每日自动生成数据报告、定时爬取竞品信息）。
• 事件回调触发：支持 Webhook 接入外部系统事件，实现实时响应（如：当 CRM 新增线索时自动触发客户画像分析 Agent、当数据库数据变更时触发预警通知）。 | | 🔍 开箱即用的知识库问答 | • 支持上传本地文档（PDF/Word/TXT/Markdown 等）
• 支持自动爬取网页内容
• 支持自定义工作流知识库写入
• 自动完成：文本分段 → 向量化 → 存入向量数据库 → 构建 RAG 流程
• 显著减少大模型“幻觉”，提升回答准确性与可信度 | | ⚡ 高并发高性能 | • 基于 Java 21 + Spring Boot 3 + 虚拟线程（Project Loom）构建，充分利用现代 JVM 的轻量级并发能力，显著提升吞吐量与响应速度。
• 采用 响应式编程模型（Reactor） 与 异步非阻塞 I/O，有效应对数千级并发请求，资源占用更低、延迟更小。
• 内置 多级缓存机制，加速知识检索与模型调用链路。 | | 🌐 模型中立，灵活对接 | 支持各类主流大模型，包括：
• 本地私有模型：DeepSeek-R1、Llama 3、Qwen 2 等（通过 Ollama / Xorbits Inference / LocalAI）
• 国内公有模型：通义千问、腾讯混元、字节豆包、百度千帆、智谱 GLM、Kimi、DeepSeek等
• 国际公有模型：OpenAI (GPT)、Anthropic (Claude)、Google (Gemini) | | ⚙️ 可视化工作流编排 | • 内置 低代码 AI 工作流引擎，支持条件分支、函数调用、多轮对话记忆和长期记忆
• 提供丰富 内置函数工具库（HTTP 请求、数据库查询、时间处理、正则提取等）
• 适用于复杂业务场景：客服工单生成、数据报告解读、内部制度问答等 | | 🤝 多 Agent 协作能力 | • 内置 多智能体（Multi-Agent）协作框架，支持多个专业化 AI Agent 并行或串行协同工作
• 每个 Agent 可配置独立角色（如：数据分析师、代码审查员、客服专员）、专属知识库与工具集
• 支持 动态任务分发 与 上下文感知的 Agent 路由，复杂任务自动拆解、分派、汇总（例如：用户提问 → 需求理解 Agent → 数据查询 Agent → 报告生成 Agent）
• 提供 Agent 间通信机制 与 共享记忆总线，确保信息一致性与协作连贯性
• 适用于高阶场景：跨部门流程自动化、端到端产品设计、联合故障诊断等 | | 🧩 无缝嵌入现有系统 | • 提供 RESTful API 和 前端嵌入组件（iframe / Web SDK）
• 无需改造原有系统，5 分钟集成智能问答能力
• 提供兼容Open AI的对话接口
• 提供兼容steam_http mcp方式接入智能体 | | 🤖 技能工具 | • 支持 [MCP](https://modelcontextprotocol.io/) 协议，让 AI 理解代码上下文、项目结构、依赖关系
• 支持本地代码函数编程工具调用
• 支持HTTP接口工具调用
• 支持Claude SKILLS技能调用 | | 🎙️ 多模态扩展 | • 语音识别（ASR）、语音合成（TTS）
• 图像识别（OCR）、图像生成（Stable Diffusion） | | 🔒 用户权限管理 | • 细粒度权限控制（应用 / 知识库 / 工具 / 模型）
• 审计日志、认证授权（基于 Sa-Token） | | 🌱 生态扩展（可扩展性与开箱即用） | • 丰富的智能体模板库：提供数十种预置 Agent 模板（如客服助手、数据分析师、代码导师、会议纪要员等），一键启用，快速适配业务场景。
• 灵活的插件化工具市场：支持通过插件机制动态加载功能模块，涵盖：
✅ 数据连接器（MySQL、PostgreSQL、MongoDB 等）
✅ 第三方服务集成（飞书、钉钉、企业微信）
✅ 网络搜素工具（Google Search、SearchApi、SearXNg 等） | --- ## 🚀 快速开始 ### 1. 环境要求 - Java 21+ - PostgreSQL 12+（启用 pgvector 扩展） - MongoDB 6.0+（用于全文检索和文件存储） ### 2. 部署启动 #### 2.1 本地启动（JAR 方式） ```bash # 启动应用 java -jar maxkb4j-start.jar ``` #### 2.2. 基于Docker 部署 ```bash docker run --name maxkb4j -d --restart always -p 8080:8080 -e SPRING_DATASOURCE_URL=jdbc:postgresql://localhost:5432/MaxKB4j -e SPRING_DATASOURCE_USERNAME=postgres -e SPRING_DATASOURCE_PASSWORD=123456 -e SPRING_DATA_MONGODB_URI=mongodb://admin:123456@localhost:27017/MaxKB4j?authSource=admin registry.cn-hangzhou.aliyuncs.com/tarzanx/maxkb4j ``` - `-p 8080:8080` 中的第一个 8080 是宿主机的端口，第二个 8080 是docker容器开发的端口 - `-e SPRING_DATASOURCE_URL=jdbc:postgresql://localhost:5432/MaxKB4j -e SPRING_DATASOURCE_USERNAME=postgres -e SPRING_DATASOURCE_PASSWORD=123456` 是PostgreSQL数据库的连接配置参数， 可以根据需要进行修改 - `-e SPRING_DATA_MONGODB_URI=mongodb://admin:123456@localhost:27017/MaxKB4j?authSource=admin`是MongoDB的连接配置参数， 可以根据需要进行修改 #### 2.3. Docker-Compose 部署（推荐） ```yaml # docker-compose.yml 示例见项目根目录 docker-compose up -d ``` #### 2.4. 部署到第三方平台
部署到 Sealos
> Sealos 的服务器在国外，不需要额外处理网络问题，支持高并发 & 动态伸缩。 点击以下按钮一键部署： [![](https://sealos.run/app_store/img/sealos.svg)](https://blog.csdn.net/weixin_40986713/article/details/156026021)
#### 2.5 一键安装脚本（全流程） `deploy/` 目录提供交互式安装脚本，自动完成环境检查、镜像拉取/构建与 docker-compose 编排： | 脚本 | 平台 | 可选模式 | | :--- | :--- | :--- | | `deploy/install.sh` | Linux / macOS | ① Docker-Compose（预构建镜像）· ② 源码构建 -> 镜像 -> 编排 · ③ 卸载 | | `deploy/install.bat` | Windows | ① Docker-Compose（预构建镜像）· ② 源码构建 -> 镜像 -> 编排 · ③ 卸载 | ```bash # Linux / macOS chmod +x deploy/install.sh ./deploy/install.sh # Windows（在项目根目录执行） deploy\install.bat ``` > 选择 **模式 1** 拉取预构建镜像（最快），或 **模式 2** 从源码构建为本地镜像后再编排。PostgreSQL（pgvector）与 MongoDB 会自动配置就绪。 #### 2.6 源码构建 使用 Maven 在本地生成可执行 JAR（需 JDK 21+ 与 Maven 3.6.3+）： ```bash mvn clean package -DskipTests # 产物：maxkb4j-start/target/maxkb4j-start.jar java -jar maxkb4j-start/target/maxkb4j-start.jar ``` Spring 配置文件（`dev` / `prod` / `test`）位于 `maxkb4j-start/src/main/resources/application-{profile}.yml`，按 profile 启动： ```bash java -jar maxkb4j-start/target/maxkb4j-start.jar --spring.profiles.active=dev ``` > 首次启动前，请确保 PostgreSQL（启用 `pgvector` 扩展）与 MongoDB 可访问，并已在对应 profile 中配置数据源与 MongoDB URI。 ### 3. 访问 Web 界面 - 地址：http://localhost:8080/admin/login - 默认账号：`admin` - 默认密码：`tarzan@123456` > 首次启动会自动初始化数据库（PostgreSQL + MongoDB），请确保端口未被占用。 --- ## 🛠 技术栈 | 类别 | 技术 | |-----------|--------------------------------------| | **后端** | Java 21, Spring Boot 3, Sa-Token（鉴权） | | **AI 框架** | LangChain4j | | **向量数据库** | PostgreSQL 15 + pgvector | | **全文检索** | MongoDB 6.0+ | | **缓存** | Caffeine | | **前端** | Vue 3, Node.js v20.16.0 | | **脚本沙箱** | groovy-sandbox | --- ## 📂 项目结构 MaxKB4j 采用分层多模块的 Maven 工程结构（父 POM 以 `${revision}` 统一版本）： ``` MaxKB4j/ ├── maxkb4j-common/ ├── maxkb4j-core/ ├── maxkb4j-service/ │ ├── maxkb4j-application/ │ ├── maxkb4j-chat/ │ ├── maxkb4j-knowledge/ │ ├── maxkb4j-model/ │ ├── maxkb4j-oss/ │ ├── maxkb4j-system/ │ ├── maxkb4j-tool/ │ ├── maxkb4j-trigger/ │ └── maxkb4j-workflow/ ├── maxkb4j-service-api/ │ ├── maxkb4j-application-api/ │ ├── maxkb4j-knowledge-api/ │ ├── maxkb4j-model-api/ │ ├── maxkb4j-oss-api/ │ ├── maxkb4j-system-api/ │ ├── maxkb4j-tool-api/ │ ├── maxkb4j-user-api/ │ └── maxkb4j-workflow-api/ ├── maxkb4j-start/ │ └── src/main/resources/ │ ├── application.yml │ ├── application-dev.yml │ ├── application-prod.yml │ └── application-test.yml ├── deploy/ │ ├── install.sh │ └── install.bat ├── docker-compose.yml └── docker-compose.dev.yml ``` | 模块 | 职责 | | :--- | :--- | | `maxkb4j-common` | 通用工具、常量与基础类 | | `maxkb4j-core` | 核心抽象与领域模型 | | `maxkb4j-service` | 业务服务实现（application、chat、knowledge、model、oss、system、tool、trigger、workflow） | | `maxkb4j-service-api` | 对外服务接口、DTO 与 VO | | `maxkb4j-start` | Spring Boot 启动入口、配置与打包 | | `deploy` | 一键安装脚本（`install.sh` / `install.bat`） | > 依赖方向自上而下：`start` -> `service` -> `service-api` -> `core` -> `common`。对外契约放在 `-api` 模块，实现放在 `service` 模块。 --- ## 在线演示 - 地址：http://43.143.235.194:8080/ - 演示账号（普通用户权限）：`demo` - 演示密码：`demo@123456` --- ## 📸 UI 展示 MaxKB4j team --- ## 🤝 贡献指南 我们欢迎社区用户参与贡献！如有建议、Bug 或新功能需求，请通过 [Issue](https://gitee.com/taisan/MaxKB4j/issues) 提出，或直接提交 Pull Request。 | 类别 | 说明 | | :--- |:---------------------------------------------------| | 🎯 如何贡献 | 修复 Bug、开发新功能、完善文档、编写测试或优化 UI/UX。 | | 📋 流程 | Fork 项目 → 创建分支 → 提交代码 → 推送DEV分支 → 发起 Pull Request。 | | 🎨 规范 | 遵循 Alibaba Java 编码规范，包含单元测试并更新文档。 | ## 💖 支持与赞助 > **🌟 开源不易，坚持更难** > MaxKB4j 由个人开发者与社区成员**维护**，无商业公司背书。您的支持将直接用于服务器成本、Token 测试消耗、API 测试、Bug 修复与新功能研发，让项目持续前行！ > 📌 **早鸟提示**：企业伙伴 / 战略合作档位**持续涨价中**，当前为历史最低价，越早锁定权益越多。 ### 赞助档位 | 档位 | 金额 | 核心权益 | 适合人群 | |:---:|:---:|:---|:---| | ☕ 咖啡支持 | ¥10 | • 添加作者**微信号** `vxhqqh`
• 加入核心交流群（备注"已赞助"）
• 项目更新优先通知 | 认可项目价值的个人开发者 | | 📚 学习会员 🏆 | ¥99 | • 咖啡支持全部权益
• 免费加入 [《👉 知识星球🔥》](https://wx.zsxq.com/group/28882525858841)
• 星球内问题优先解答 | 希望深度学习的开发者 | | 🏢 企业伙伴 ⭐ | ¥799 | • 学习会员全部权益
• 一次性获取**前端源码**
• 问题售后技术支持
• 适合企业 / 生产环境使用（持续涨价中…） | 企业用户 / 深度使用者 | | 👑 战略合作 | ¥1399 | • 企业伙伴全部权益
• 6 个月内前端源码免费升级
• 企业 Logo 展示于官网赞助墙（持续涨价中…） | 深度合作伙伴 | > 🏆 最受欢迎　·　⭐ 最具性价比
支付宝赞赏码
微信赞赏码
支付宝赞赏码 微信赞赏码
### 🪜 如何赞助 1. **选择档位** - 对照上表挑选适合的赞助档位 2. **扫码付款** - 使用支付宝 / 微信扫码完成赞助（建议备注 用户昵称） 3. **联系作者** - 添加微信 `vxhqqh`，发送付款截图，即刻开通对应权益 > 💡 付款后请务必联系作者，否则无法识别赞助身份、无法发放权益。 ### 🏅 赞助墙 感谢所有支持 MaxKB4j 的伙伴（按赞助时间排序）： > 🎯 期待你的加入 - 你的企业 Logo / 昵称将展示于此，获得社区持续曝光。 ### 🤝 企业定制合作 需要**私有化部署、二次开发、团队培训、SLA 保障**或更深度的合作？欢迎联系作者微信 `vxhqqh`，提供专属方案与报价。 > 赞助金额仅用于项目持续开发与维护。💡 开源不易，感谢每一份支持 - 你们是 MaxKB4j 持续前进的动力！ --- ## 📜 许可证 Copyright © 2025–2035 洛阳泰山 TARZAN. All rights reserved. 根据GNU通用公共许可证版本3 (GPLv3)（“许可证”）进行许可；除非遵守许可，否则您不得使用此项目文件。您可以从以下网址获得许可证的副本 [🔗https://www.gnu.org/licenses/gpl-3.0.html](https://www.gnu.org/licenses/gpl-3.0.html) 除非适用法律要求或经书面同意，依据本许可分发的软件均按“原样”提供，不附带任何形式的明示或暗示的担保或条件。有关许可下具体权限和限制的条款，请参见本许可协议。 --- ## 🔗 相关资源 - 📘 [开源模型库](https://modelscope.cn/models) - 🐦 [MCP 广场](https://modelscope.cn/mcp) - 🌐 [Skills 中心](https://modelscope.cn/skills) > 🌟 **Star 本项目，助力国产开源 AI 生态！**
--- ✅ **MaxKB4j — 轻松构建高性能且稳定的智能体工作流和RAG知识库解决方案**