目录

什么是Nexent

如何使用

模型设置

智能体开发

本地部署

写在最后

---

当智能体开发仍在可视化编排与手写代码之间徘徊时，一个宣称“无需编排”的开源项目正试图用最朴素的方式颠覆一切：你只需用一段话描述你想要什么，剩下的交给AI自己去完成。

在人工智能应用开发，尤其是智能体（Agent）构建领域，我们似乎已经习惯了两种主流范式：一种是Dify、Coze等提供的低代码/无代码可视化编排平台，通过拖拽节点来构建工作流；另一种则是基于LangChain、AutoGen等框架的纯代码开发，灵活但门槛高。然而，一个名为  Nexent 的开源项目正在挑战这一固有认知。它由ModelEngine-Group推出，其核心理念堪称“叛逆”：告别复杂的节点连线，也无需编写胶水代码，开发者仅需用自然语言完整描述任务目标，平台便能自动生成一个具备完整提示词、工具集成与执行逻辑的可用智能体。这种“描述即生成”的范式，旨在将智能体开发的门槛降至前所未有的程度，让焦点重新回归业务需求本身。

什么是Nexent

Nexent定位为一个开源的零代码智能体自动生成平台。与传统的“编排”思路不同，它基于优化后的SmolAgents框架，将用户的自然语言指令作为“需求规格说明书”。当用户输入如“创建一个能够分析季度销售报表、自动总结核心指标并生成可视化建议的数据分析师助手”这样的描述时，Nexent的后台引擎会执行一系列自动化操作：理解任务场景、定义智能体角色与目标、自动生成结构化的系统提示词、并匹配合适的工具（如知识库检索、文件读取、网络搜索等）。

这一过程完全隐藏了技术细节，其目标是实现从“想法”到“可运行智能体”的极速转化。项目采用宽松的MIT开源许可证，并支持通过Docker  Compose一键本地部署，最低仅需2核CPU和6GiB内存即可运行，对个人开发者和小团队非常友好。作为ModelEngine  AI全链路生态的一部分，Nexent与上层的数据工程、模型工程能力协同，构成了从数据到智能应用的完整闭环。

如何使用

进入：https://www.modelengine-ai.com/#/home

注册后登录

点击智能体，选择一键试用

注册为管理员

如何获取邀请码：

https://modelengine-group.github.io/nexent/zh/contributing.html#%F0%9F%8C%9F-%E5%BC%80%E6%BA%90%E7%BA%AA%E5%BF%B5%E5%A2%99%E5%BF%AB%E9%80%9F%E8%B4%A1%E7%8C%AE

模型设置

当我们第一次操作时许进行相关的配置

配置大模型

这里我选择的是硅基流动的api，新注册送15元

依次添加：大语言模型，向量模型，视觉语言模型

配置好相应的模型

智能体开发

点击创建Agent

配置工具

这里我们可以配置一些本地工具，比如tavily_search

配置好对应的apikey即可使用

创建智能体非常简单，我们只要输入自己的点子，点击【生成智能体】自动给我们生成了相应的agent信息，agent角色，使用要求，事例，彻底告别拖拉拽！

点击调试

输入：今天的热点新闻 智能体根据用户的输入生成了相应的信息！

一个简单的智能体就创作完成了，是不是很简单？小伙伴们，还不来试试！

本地部署

小伙伴们也可以进行本地部署，具体方案见github

# 克隆仓库并进入部署目录
git clone https://github.com/ModelEngine-Group/nexent.git
cd nexent/docker
# 复制并配置环境变量文件（需填入模型API密钥等）
cp .env.example .env
# 一键启动所有服务
bash deploy.sh
# 访问 http://localhost:3000 即可开始使用

github地址：https://github.com/ModelEngine-Group/nexent

写在最后

Nexent代表了一种AI应用开发范式的积极探索：将人类的意图理解与AI的自动规划能力深度结合，让技术极大程度地适配人的思维，而非反之。它通过拥抱MCP等开放标准，在易用性与扩展性之间取得了巧妙的平衡。

尽管这种“描述即生成”的模式在应对极端复杂、逻辑严丝合缝的任务时可能仍需进化，但它无疑为广大的非专业开发者打开了一扇通往智能体世界的大门。在AI技术平民化的浪潮中，Nexent这样的项目正在努力拆掉围墙，让更多有价值的创意能够绕过技术的鸿沟，快速落地成型。对于每一位渴望利用AI能力却苦于实现路径的探索者而言，Nexent都是一个值得尝试和期待的“思维加速器”。