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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00