MaxKB: RAG-Pipeline und Agenten-Workflows auf Django und pgvector
MaxKB ist eine Open-Source-Plattform zum Erstellen von Agenten der Enterprise-Klasse. .
Auf einen Blick
- Was ist das?
- Eine Einordnung von 1Panel-dev/MaxKB anhand der README: Wie die Retrieval-Pipeline arbeitet, was der Docker-Schnellstart verschweigt, wo die Modellunabhängigkeit endet und welche Folgen GPLv3 hat.
- Für wen ist es gedacht?
- MaxKB passt zu Teams, die eine Wissensdatenbank mit eigener Modellwahl betreiben wollen und dazu eine fertige Oberfläche inklusive Workflow-Orchestrierung suchen; die Installation ist mit einem Docker-Befehl erledigt. Weniger geeignet ist es für alle, die jeden Schritt der Retrieval-Kette selbst kontrollieren wollen, und für Umgebungen, in denen eine offene Admin-Oberfläche mit dem Standardpasswort MaxKB@123.. nicht abgesichert werden kann.
- Darf ich es kommerziell nutzen?
- Ja, unter Bedingungen. GPL-3.0 ist eine Copyleft-Lizenz: Wenn Sie Software weitergeben, die sie enthält, müssen Sie deren Quellcode unter derselben Lizenz veröffentlichen. Wer sie nur intern betreibt, ohne sie weiterzugeben, löst diese Pflicht nicht aus.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 1 Tag.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
MaxKB v2.10.5-lts: die RAG-Pipeline als Rückgrat
MaxKB steht für Max Knowledge Brain und wird von 1Panel-dev als Plattform für den Aufbau von Agenten in Unternehmen geführt. Das Problem, das sie adressiert, ist bekannt: Ein Sprachmodell ohne Zugriff auf die eigenen Dokumente antwortet aus dem Trainingsgedächtnis und erfindet Details, die plausibel klingen. Die README beschreibt den Gegenentwurf als RAG-Pipeline, also als Abruf passender Textabschnitte vor der eigentlichen Antwortgenerierung.
Konkret listet die README zwei Wege, Wissen in die Plattform zu bekommen: das direkte Hochladen von Dokumenten und das automatische Crawlen von Online-Dokumenten. Danach übernimmt die Plattform die Textaufteilung und die Vektorisierung. Die README behauptet, dieses Vorgehen verringere Halluzinationen großer Modelle. Das ist eine Wirkungsbehauptung des Projekts; Messwerte, ein Korpus oder ein Vergleich gegen ein Modell ohne Dokumentenanbindung stehen nicht im Dokument.
Die Repository-Metadaten weisen Python als Sprache aus, der Standard-Branch heißt v2. In der Release-Liste stehen zwei Linien parallel: v1.10.15-lts vom 11. August 2026 und v2.10.5-lts vom 6. August 2026. Warum beide gepflegt werden und welche für Neueinsteiger gedacht ist, erklärt das Repository nicht.
Der Docker-Einzeiler 1panel/maxkb und das Standardpasswort MaxKB@123..
Der Schnellstart besteht aus genau einem Befehl:
docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/opt/maxkb 1panel/maxkb
Danach läuft die Weboberfläche unter http://<Server-IP>:8080, die Anmeldedaten lauten admin und MaxKB@123... Die README druckt dieses Passwort im Klartext und fordert nicht zu einer Änderung auf. Wer den Befehl auf einem erreichbaren Server ausführt, betreibt für einige Minuten eine offene Admin-Oberfläche mit einem veröffentlichten Passwort. Das ist der wichtigste Punkt vor dem ersten Start: Passwort ändern und Port 8080 hinter einen Reverse Proxy oder in die Firewall legen.
Der Container mountet ~/.maxkb nach /opt/maxkb. Welche Daten dort liegen, etwa die pgvector-Indizes oder die hochgeladenen Dokumente, steht in der README nicht. Chinesischen Nutzern, die das Image nicht ziehen können, empfiehlt die README eine verlinkte Offline-Installation. Eine Installation ohne Docker oder eine Compose-Datei wird nicht beschrieben, Hardwareanforderungen und unterstützte Betriebssysteme fehlen ebenfalls.
Vue.js, Django, LangChain und pgvector: vier Komponenten, keine Versionen
Der Technologie-Stack ist in vier Zeilen angegeben: Vue.js im Frontend, Python mit Django im Backend, LangChain als LLM-Framework und PostgreSQL mit pgvector als Datenbank. Daraus lässt sich der Datenfluss wenigstens skizzieren: Dokumente werden geteilt, als Vektoren in pgvector abgelegt, und die Anwendung sucht dort die Abschnitte, die LangChain dem Modell als Kontext mitgibt. Diese Kette steht so nicht in der README, sie ergibt sich aus den genannten Komponenten.
Versionsnummern, Build-Anweisungen und eine Bereitstellungsarchitektur fehlen. Ob Frontend und Backend im selben Container laufen und ob PostgreSQL im Image mitgeliefert oder extern erwartet wird, sagt die README nicht. Für einen Lasttest oder eine Aufteilung auf mehrere Hosts ist das die erste offene Frage; beantworten lässt sie sich nur am Image selbst, etwa mit docker exec in den laufenden Container und einem Blick in die laufenden Prozesse.
Workflow-Engine, Funktionsbibliothek und MCP-Werkzeuge ohne Beleg
Neben der RAG-Pipeline wirbt die README mit einem Agenten-Workflow: Eine Workflow-Engine, eine Funktionsbibliothek und MCP-Tool-Nutzung sollen KI-Prozesse orchestrieren. Was ein MCP-Werkzeug in MaxKB konkret kann, welche Transporte unterstützt werden und wie ein Werkzeug registriert wird, bleibt offen; der Begriff fällt mehrfach, erklärt wird er nicht.
Die Integration in bestehende Systeme beschreibt die README als ohne Programmieraufwand. Ein Integrationsmuster, ein API-Endpunkt oder ein Beispielcodeblock fehlen. Wer prüfen will, ob das zutrifft, hat im README keine Grundlage und muss die Dokumentation auf maxkb.cn bemühen, auf die das Repository nur für die Offline-Installation verweist. Diese Zurückhaltung ist typisch für Projekte, deren ausführliche Dokumentation auf der eigenen Website liegt; für eine Evaluierung ohne Zugriff auf diese Website ist sie ein Hindernis.
Als Anwendungsfälle nennt die README intelligenten Kundenservice, interne Wissensdatenbanken, akademische Forschung und Bildung. Für keinen dieser Fälle gibt es eine Vorlage im Repository.
Modellunabhängigkeit von DeepSeek bis MiniMax und was sie verschiebt
MaxKB ist modellunabhängig. Die README nennt private Modelle, namentlich DeepSeek, Llama und Qwen, sowie öffentliche Modelle: OpenAI, Claude, Gemini und MiniMax. Die Liste ist ausdrücklich nicht abschließend. Für den Betrieb heißt das, dass die Wahl des Modells eine Konfigurationsfrage ist und kein im Produkt festgeschriebener Anbieter.
Multimodalität ist ebenfalls angegeben: Ein- und Ausgabe von Text, Bild, Audio und Video. Welche Modelle diese Formate tatsächlich verarbeiten und wie ein hochgeladenes Video zerlegt wird, steht nicht im README. Genau hier wird die Modellunabhängigkeit zur Erklärungslücke, weil die Fähigkeit der Plattform von der Fähigkeit des angebundenen Modells abhängt.
Ungenannt bleiben Hardwareanforderungen, ein Release-Rhythmus und Beitragsrichtlinien. Bei 22.639 Sternen und 25 offenen Issues ist das kein Zeichen für Stillstand, sondern für eine Dokumentation, die außerhalb des Repositories gepflegt wird.
GPLv3 bei MaxKB und der Eigenbau als Alternative
MaxKB steht unter GPLv3, und der README-Text enthält den üblichen AS-IS-Haftungsausschluss: Die Software wird ohne ausdrückliche oder stillschweigende Gewährleistung bereitgestellt.
Für den häufigsten Fall, eine interne Wissensdatenbank ohne Weitergabe der Software, hat die Lizenz keine praktische Folge: Wer MaxKB nur betreibt, muss nichts veröffentlichen. Sobald eine angepasste Version an Dritte weitergegeben wird, etwa als Teil eines Kundenprojekts oder einer gehosteten Plattform, verlangt GPLv3, den Quellcode der Änderungen unter derselben Lizenz bereitzustellen. Wer MaxKB als Kern eines eigenen Produkts einbetten will, sollte diese Frage vor dem ersten Fork klären. Was die Lizenz ausdrücklich nicht regelt: Sicherheit, Support und Produktionsreife.
Eine Alternative, die sich aus dem dokumentierten Stack selbst ergibt, ist der Eigenbau: LangChain plus PostgreSQL mit pgvector, ohne Django-Oberfläche. Der Unterschied liegt in der Arbeit, nicht im Ergebnis der Retrieval-Kette. MaxKB liefert Aufteilung, Vektorisierung, Oberfläche, Nutzerverwaltung und Workflow-Orchestrierung als fertige Einheit; der Eigenbau verlangt all das als eigene Komponenten und macht dafür jede Stufe der Kette einzeln einsehbar und veränderbar.
Redaktionelles Fazit
MaxKB passt zu Teams, die eine Wissensdatenbank mit eigener Modellwahl betreiben wollen und dazu eine fertige Oberfläche inklusive Workflow-Orchestrierung suchen; die Installation ist mit einem Docker-Befehl erledigt. Weniger geeignet ist es für alle, die jeden Schritt der Retrieval-Kette selbst kontrollieren wollen, und für Umgebungen, in denen eine offene Admin-Oberfläche mit dem Standardpasswort MaxKB@123.. nicht abgesichert werden kann. Vor dem ersten Start: Passwort ändern, den Inhalt von /opt/maxkb prüfen und klären, ob v1.10.15-lts oder v2.10.5-lts die richtige Linie ist.
Community-Notizen