Principais conclusões
- O MaxKB é de código aberto sob GPL-3.0; o repositório-fonte é github.com/1Panel-dev/MaxKB
- Implantação com um único comando Docker — nenhuma configuração separada de banco de dados ou ambiente Python é necessária para a instalação básica
- Conexão com modelos locais ao adicionar o Ollama como provedor de modelo (endereço do servidor + nome do modelo); modelos DeepSeek, Qwen e Llama servidos pelo Ollama funcionam dessa forma
- Também se conecta a provedores de nuvem — OpenAI, Claude (Anthropic), Gemini e outros — na mesma tela de configurações de modelo
- Edição Community gratuita: limitada a 2 usuários, 5 aplicações e 50 bases de conhecimento
- A edição Professional paga remove esses limites; a própria página de preços do MaxKB lista a licença por assinatura em $1.920 por ano
- Desenvolvido pela 1Panel-dev, a equipe por trás do painel de gerenciamento de servidores de código aberto 1Panel
- Cerca de 22.700 estrelas no GitHub no momento desta avaliação, com novas versões lançadas a cada poucas semanas segundo a página de releases do GitHub
📍 Em uma frase
O MaxKB é uma plataforma RAG e de agentes de código aberto e auto-hospedada (GPL-3.0), implantada via Docker, que se conecta a modelos locais DeepSeek ou Qwen por meio de uma entrada de provedor Ollama, ou a modelos de nuvem na mesma tela de configurações.
💬 Em termos simples
Em vez de pagar a um provedor de nuvem por chamada de API, você executa o MaxKB no seu próprio servidor e o aponta para um modelo local que o Ollama já está servindo — a base de conhecimento, a interface de chat e a lógica do agente permanecem em infraestrutura que você controla.
📌Nota: Esta avaliação é o complemento aprofundado da entrada do MaxKB no Local LLM Software Directory — veja essa página para comparar o MaxKB rapidamente com dezenas de outras ferramentas de IA local.
O que é o MaxKB?
MaxKB — abreviação de "Max Knowledge Brain" segundo sua própria descrição no GitHub — é uma plataforma de código aberto para criar aplicações RAG e agentes que você mesmo hospeda. Ele reúne ingestão de documentos, um pipeline de recuperação, um construtor de agentes/fluxos de trabalho e suporte ao Model Context Protocol (MCP) em uma única aplicação implantada via Docker, em vez de exigir que você monte separadamente um banco de dados vetorial, um pipeline de embeddings e um frontend de chat.
- Função principal: ingerir documentos em uma base de conhecimento e responder perguntas por meio de uma interface de chat, um widget incorporável ou uma API
- Camada de agentes: encadear etapas de recuperação, chamadas de ferramentas e lógica condicional em fluxos de trabalho de múltiplas etapas, não apenas respostas de uma única interação
- Acesso a modelos: "agnóstico de modelo" segundo sua própria documentação — conecta-se a modelos privados (DeepSeek, Llama, Qwen e outros), bem como a modelos públicos de nuvem (OpenAI, Claude, Gemini e outros)
- Desenvolvedor: 1Panel-dev, também conhecido pelo painel de gerenciamento de servidores Linux de código aberto 1Panel
- Repositório canônico: github.com/1Panel-dev/MaxKB — o lar ativo do código-fonte, rastreador de problemas e notas de versão do MaxKB
Como auto-hospedar o MaxKB com Docker?
A instalação rápida documentada do MaxKB é um único comando Docker que inicia a aplicação completa, incluindo seu banco de dados embutido. Nenhum ambiente Python ou servidor de banco de dados separado é necessário para uma primeira execução.
- 1Instale o Docker no seu servidor ou estação de trabalho (Linux, macOS ou Windows com WSL2).
Why it matters: O MaxKB é distribuído como uma imagem de contêiner; o Docker é o único pré-requisito obrigatório para a instalação básica. - 2Execute:
docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb
Why it matters: Esse único comando baixa a imagem oficial `1panel/maxkb`, mapeia a porta 8080 e persiste tanto o banco de dados quanto os pacotes do sandbox Python no sistema de arquivos do host, para que os dados sobrevivam a um reinício do contêiner. - 3Abra
http://<ip-do-seu-servidor>:8080em um navegador assim que o contêiner reportar estar saudável.
Why it matters: Isso carrega a tela de configuração inicial, onde você cria uma conta de administrador. - 4Adicione um provedor de modelo nas configurações do sistema — Ollama (para modelos locais) ou um provedor de nuvem (chave de API necessária).
Why it matters: O MaxKB não tem um mecanismo de inferência próprio; cada modelo, local ou de nuvem, é adicionado como uma entrada de provedor separada antes de você poder criar uma base de conhecimento ou um agente. - 5Crie uma base de conhecimento, envie documentos e depois crie uma aplicação que aponte para essa base de conhecimento e para o modelo escolhido.
Why it matters: Este é o caminho mínimo de uma instalação nova até um chatbot RAG funcional.
Como o MaxKB se conecta a modelos locais DeepSeek e Qwen?
O MaxKB não executa a inferência de modelos por conta própria — ele se conecta a um servidor de inferência local separado, mais comumente o Ollama, por meio de uma entrada de provedor de modelo nas configurações. Para usar um modelo local DeepSeek ou Qwen, você primeiro baixa esse modelo no Ollama e depois o registra dentro do MaxKB.
- Nas configurações de modelo do MaxKB, escolha "Adicionar modelo" e selecione o provedor Ollama
- Informe um nome de exibição para o modelo (qualquer rótulo à sua escolha) e o nome do modelo base que corresponda ao que o Ollama estiver servindo (por exemplo, uma tag de modelo DeepSeek ou Qwen)
- Informe o domínio da API do Ollama — o endereço do servidor Ollama, por exemplo
http://127.0.0.1:11434para uma instalação local, ou um endereço de LAN/remoto se o Ollama estiver rodando em outra máquina - Informe qualquer valor no campo de chave de API se o Ollama não estiver configurado para exigir uma — a configuração padrão do Ollama não exige autenticação por chave de API
- Depois de adicionado, o modelo aparece no mesmo seletor de modelos que qualquer modelo de nuvem conectado, de modo que uma base de conhecimento ou agente pode usá-lo de forma idêntica
O que você pode construir com o MaxKB?
O conjunto de recursos do MaxKB é centrado em transformar uma coleção de documentos em uma base de conhecimento consultável, para depois, opcionalmente, estendê-la a um agente capaz de chamar ferramentas. Os detalhes abaixo vêm do próprio README do GitHub e da documentação do MaxKB.
- Ingestão de bases de conhecimento — envie documentos (formatos comuns de escritório e texto) ou rastreie um site, e o MaxKB fragmenta, gera embeddings e indexa o conteúdo para recuperação
- Aplicações de chat RAG — crie uma aplicação de chat apoiada em uma ou mais bases de conhecimento, implantável como página de chat hospedada, widget incorporável em site ou endpoint de API
- Construtor de agentes/fluxos de trabalho — encadeie recuperação, chamadas de ferramentas e ramificações condicionais em fluxos de trabalho de múltiplas etapas, em vez de perguntas e respostas de uma única interação
- Suporte ao Model Context Protocol (MCP) — conecte o MaxKB a ferramentas e fontes de dados compatíveis com MCP para fluxos de trabalho de agentes que usam ferramentas
- Configurações de modelo agnósticas — adicione modelos locais (via Ollama) e modelos de nuvem (OpenAI, Claude, Gemini e outros) lado a lado, e troque o modelo usado por uma aplicação sem reimplantação
- Acesso multiusuário (edição Professional) — contas de usuário e permissões além do limite de 2 usuários da edição Community
Preços do MaxKB: Community vs. Professional
A edição MaxKB Community é gratuita para sempre, mas limitada a 2 usuários, 5 aplicações e 50 bases de conhecimento; a edição Professional paga remove esses limites. Segundo a própria página de preços do MaxKB, a edição Professional é vendida como uma licença de assinatura anual.
Edição | Preço | Usuários | Apps | Bases de conhecimento |
|---|---|---|---|---|
| Community | Grátis | 2 | 5 | 50 |
| Professional | $1.920/ano | Ilimitado | Ilimitado | Ilimitado |
Preços segundo maxkb.pro no momento desta avaliação — o MaxKB oferece licenças de teste curtas para a edição Professional sob solicitação; consulte diretamente a página oficial de preços antes de orçar, já que os preços do fornecedor podem mudar sem aviso prévio.
Quem deve usar o MaxKB?
O MaxKB é adequado para equipes que querem uma plataforma RAG e de agentes auto-hospedada que possam apontar para um modelo local, sem montar elas mesmas um banco de dados vetorial e uma interface de chat a partir de peças separadas.
MaxKB vs. RAGFlow, Dify e AnythingLLM
O MaxKB se sobrepõe a várias outras plataformas RAG e de agentes auto-hospedadas — a diferença está no licenciamento, na profundidade da análise de documentos e em quanto do stack vem em um único produto.
Ferramenta | Interface | Licença | Melhor para |
|---|---|---|---|
| MaxKB | Web UI + RAG + agentes | GPL-3.0 | Plataforma RAG/agentes implantada via Docker com suporte a modelos locais |
| RAGFlow | Web UI + análise de documentos | Apache 2.0 | Recuperação com citações verificáveis em documentos complexos (tabelas, notas de rodapé) |
| Dify | Visual + RAG + agentes | Apache 2.0 modificada | Plataforma tudo-em-um de fluxo de trabalho, RAG e agentes |
| AnythingLLM | Chat + RAG | MIT | Chat de documentos auto-hospedado e leve |
As quatro ferramentas podem funcionar totalmente com modelos locais: MaxKB e AnythingLLM adicionam o Ollama como provedor de modelo; RAGFlow e Dify se conectam a qualquer endpoint local compatível com a API da OpenAI.
Erros comuns ao avaliar o MaxKB
Perguntas frequentes
O MaxKB é gratuito?
A edição Community é gratuita e de código aberto sob GPL-3.0, limitada a 2 usuários, 5 aplicações e 50 bases de conhecimento. Uma edição Professional paga remove esses limites; a própria página de preços do MaxKB a lista como uma licença por assinatura de $1.920 por ano.
Qual licença o MaxKB usa?
GPL-3.0, segundo o arquivo LICENSE no repositório oficial do GitHub (github.com/1Panel-dev/MaxKB). A GPL-3.0 é copyleft — distribuir uma versão modificada geralmente exige liberar suas alterações sob a mesma licença.
O MaxKB suporta modelos locais como DeepSeek e Qwen?
Sim. O MaxKB se conecta a modelos locais adicionando o Ollama como provedor de modelo nas configurações — você informa o endereço do servidor Ollama e um nome de modelo, e o MaxKB encaminha as solicitações para o modelo que o Ollama estiver servindo, incluindo DeepSeek, Qwen e Llama.
O MaxKB precisa de uma GPU?
O MaxKB em si não exige GPU — ele orquestra a recuperação e chama o provedor de modelo que você configurar. Uma GPU só importa se você executar separadamente o Ollama (ou outro servidor de inferência local) com um modelo acelerado por GPU.
Como instalar o MaxKB?
Com um único comando Docker: docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages 1panel/maxkb. Isso inicia a aplicação completa, incluindo seu banco de dados embutido, em qualquer host que tenha Docker.
Quem desenvolve o MaxKB?
A 1Panel-dev, equipe também conhecida pelo painel de gerenciamento de servidores Linux de código aberto 1Panel. O repositório-fonte do MaxKB é github.com/1Panel-dev/MaxKB.
Qual é a popularidade do MaxKB?
O repositório do GitHub do MaxKB mostra cerca de 22.700 estrelas no momento desta avaliação, com novas versões lançadas a cada poucas semanas segundo sua página de releases do GitHub.
Quais são as principais alternativas ao MaxKB?
RAGFlow (Apache 2.0, análise documental com citações verificáveis), Dify (Apache 2.0 modificada, plataforma mais ampla de fluxo de trabalho/agentes) e AnythingLLM (MIT, chat de documentos auto-hospedado mais leve) são as alternativas RAG/agentes auto-hospedadas mais próximas.