MaxKB v1.10.2-LTS版本发布:智能化应用与知识管理新升级
MaxKB作为一款专注于知识管理与智能问答的开源项目,始终致力于为企业与开发者提供高效、智能的知识处理解决方案。本次发布的v1.10.2-LTS版本带来了多项功能增强与优化,特别是在应用交互、知识库管理以及系统稳定性方面有了显著提升。
核心功能升级
应用交互能力全面增强
新版本在应用交互方面实现了多项突破性改进。首先增加了对Slack平台的支持,进一步扩展了企业协作场景的应用范围。特别值得关注的是新增的变量赋值节点功能,为工作流设计提供了更灵活的变量控制能力。
在用户输入处理方面,本次更新引入了密码框和开关组件,增强了参数输入的安全性。同时支持用户自定义输入标题,使交互界面更加友好。对于文件上传功能,新增了对m4a音频格式的支持,扩展了多媒体处理能力。
知识库管理优化
知识库作为MaxKB的核心功能之一,在本次更新中获得了多项改进。新增的文档排序功能让知识管理更加有序,而"继续生成问题"功能则解决了之前部分段落问题生成失败的问题。特别值得一提的是,现在可以在生成问题时使用{title}变量获取段落标题,使问题生成更加精准。
模型与函数库增强
模型设置方面新增了对Ollama供应商模型的重排序支持,提升了模型选择的灵活性。函数库则新增了导入导出功能,方便开发者共享和复用常用函数。同时优化了函数查询时的忽略大小写功能,提升了使用体验。
用户体验优化
问答界面重构
本次更新对问答页面进行了重大改版,采用左右布局设计,左侧显示AI回答,右侧展示用户问题,使对话流更加清晰直观。同时优化了历史对话记录的显示方式,并新增了会话标题修改功能,让对话管理更加便捷。
工作流编辑体验提升
在工作流编辑方面,新增了退出编辑时的保存提示,防止意外数据丢失。节点名称修改操作调整为更直观的"..."→"重命名"方式。对于多图生成场景,现在图片会水平排列展示,提升了视觉效果。
性能与稳定性改进
系统层面优化了首次登录时的耗时问题,提升了响应速度。修复了多个影响稳定性的问题,包括vLLM供应商模型在某些情况下的对话结束问题、Kimi供应商模型的tokens计算不准确问题,以及Excel表格读取时的合并单元格数据处理问题。
在安全性方面,修复了函数库调试时输出结果显示异常的问题,以及Azure OpenAI供应商添加DeepSeek-R1模型时的错误。这些改进显著提升了系统的可靠性和安全性。
总结
MaxKB v1.10.2-LTS版本通过多项功能增强和优化,进一步巩固了其作为知识管理与智能问答解决方案的地位。从应用交互的灵活性提升,到知识库管理的精细化改进,再到系统性能的全面优化,本次更新为企业和开发者提供了更加强大、稳定的工具支持。这些改进不仅提升了用户体验,也为更复杂的知识处理场景提供了可能,展现了MaxKB项目持续创新的发展态势。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00