前言前面我们介绍过几款构建本地知识库的开源项目，其原理还是基于本地文件构建向量数据库的方式，通过调用现有GPT语言模型的能力做向量相似计算，对于希望基于GPT语言模型的能力构建自己的APP应用或者集成到现有产品中去实际上会非常方便，具有一定的市场空间。
现在 AI 项目多如牛毛，高级到创造国家基础设施级 OpenAI 竞品，细微到用 AI 写周报的小工具，快到拿 AI 做资讯、卖课程赚现钱，慢到试图用 AI 解决“教育”这种影响全人类发展历程的长远项目。
去年11月份发布的ChatGPT，由于其强大的对话、写作等能力，掀起了一波浪潮。本文作者以一个AI产品经理的视角，对ChatGPT的技术原理、厉害之处、可能的落地方向等方面进行了全面的解析，相信你看完后，会对ChatGPT有更深入的了解。
您可以从 Python 官方网站下载最新版本的源代码，然后使用以下命令下载并解压缩源代码:接下来，进入解压缩后的 Python 源代码目录，并使用以下命令编译和安装 Python 3.11:注意，使用 make altinstall 命令而不是 make install 命令，这将确保您的系统上同时存在 Python 2.7 和 Python 3.11。
在 ChatGPT 火爆全网之后，各行各业都在围绕它来进行构建自己场景的应用。这里以本地知识库为场景来聊聊怎么结合 Ray Core、Ray Serve、KubeRay、LangChain、Embeddings、向量数据库、LLM、Kubernetes 和 GPU 方案来构建属于自己的本地的知识库。
今天跟大家分享的内容是，如何在本地搭建自己的本地知识库问答系统MaxKB，与其他问答知识库相比，他真正做到了开箱即用，零代码集成，支持ChatGPT、百度千帆、Lama2、Lama3，通义千问等几十种大语言模型，操作界面简介，小白也能快速上手。
