从零打造育儿问答助手：我用 Nexent 构建了一个“懂宝宝“的 AI 管家

前言：新手爸妈的信息焦虑

当新手爸妈这件事，比写代码难多了。

我女儿七个月大，正处于辅食添加的关键期。每天面对的问题堆成山：这顿辅食该吃什么？高铁米粉和哪个水果搭配补铁效果好？今天降温了，出门该穿几层？社区打完疫苗后低烧 37.5° 正常吗？儿保医生说的"D 满月后每天 400IU"到底怎么算？

这些问题散落在育儿书、儿科医生科普视频、小区妈妈群和各种 APP 里，每次找答案都要翻半天，而且不同来源经常矛盾——有人说蛋黄 6 个月就能加，有人说必须等到 8 个月。作为程序员，我的第一反应是：能不能把这些信息统一管理起来，做一个随时可问的育儿顾问？

恰好在 GitHub 上看到 Nexent 这个开源智能体平台，主打"一个提示词，无限种可能"——用自然语言描述需求，自动生成智能体，零代码，不用拖拽编排。我决定花一个周末，尝试从零搭建一个"育儿问答助手"，看看能不能让 AI 真正帮我解决带娃过程中的实际问题。

以下是我的完整实操记录和真实感悟。

一、初识 Nexent：部署与整体印象

Nexent 当前版本 v1.8.1，MIT 开源协议。两种上手方式：

• 在线试用： http://60.204.251.153:3000/zh ，注册即用，适合快速摸底
• 本地部署：Docker Compose 一键拉起，数据持久，适合长期使用

我选择了在线环境 http://60.204.251.153:3000/zh 进行体验，注册登录后直接上手。

平台左侧导航栏的模块分布清晰明了：

• 模型管理：接入大语言模型 API
• 知识库：上传文档，构建可检索的个人语料库
• MCP 工具：接入外部工具，赋予智能体实时感知能力
• 智能体开发：核心功能，用自然语言描述 → 自动生成提示词 → 调试发布
• 智能体市场：浏览安装他人发布的现成智能体
• 记忆管理：配置跨对话记忆，让智能体记住用户偏好

新手按照模块从上到下的顺序走，基本不会迷路。接下来，我就按这个顺序一步步来。

二、第一步：给智能体装"大脑"——模型接入

2.1 单个模型添加

进入"模型管理"页面，点击"添加模型"，需要填写四个字段：

• 模型名称：格式为 提供商/模型名
• APIURL：推理服务的接口地址
• API Key：从供应商控制台复制
• 模型类型：大语言模型 / 向量模型 / 视觉语言模型

在模型选型过程中，我最终选用了通义千问系列的两款核心模型——大语言模型Qwen3-Max与向量模型Qwen3-Embedding，二者同属通义千问技术体系，在架构设计和功能适配性上高度兼容，能够形成高效的协同效应，更好地支撑后续相关任务的开展。

2.3 添加向量模型

⚠️ 踩坑提醒：LLM 的 API URL 后缀是 /v1，向量模型的后缀是 /v1/embeddings，两个必须分开填。我第一次都填成了 /v1，向量模型验证一直"连接失败"。

2.2 批量导入模型

除了单个添加，Nexent 还支持批量导入。选择供应商，只需要填入 API Key，点击"拉取模型列表"，系统会自动枚举该供应商下的全部可用模型，勾选需要的即可一键导入。

三、第二步：喂给智能体"养料"——知识库实操

知识库是智能体回答专业问题的底气。育儿领域的信息密度高、时效性强，我需要让智能体不仅知道通用的育儿知识，还能回答基于权威指南的具体问题。

3.1 上传不同风格的文档

为了测试 Nexent 知识库对不同文档格式的处理能力，我特意准备了三种不同风格的资料：

将文件拖入上传区，平台开始自动解析和入库。三份文件分别经历"解析中 → 入库中 → 已就绪"三个状态。Markdown 文件不到 6 秒就就绪了，DOCX 大约 10 秒，PDF 最慢，将近 1 分钟——文档越大、排版越复杂，处理时间越长。

3.2 自动总结：被低估的核心能力

文档上传后，Nexent 会自动为每个知识库生成摘要、提取关键词和主题分类。这个功能看似不起眼，实际上非常关键：当智能体同时挂载多个知识库时，它在检索前会先根据总结判断"这个问题应该去哪个知识库找"。总结写得准，检索路由就准。

我对比了三份文档的总结质量：

• Markdown《疾病因对》：总结精准，正确提取了"0-3""发热""腹泻"等核心主题词，关键词提取非常到位
• DOCX《辅食添加手册》：总结质量不错，能准确反映辅食时间线和食材分类
• PDF《膳食指南》：总结相对笼统，提取的是"婴幼儿""营养""膳食"这类泛化词

原因和文档结构直接相关——Markdown 和 DOCX 的文本结构清晰，PDF 存在多栏布局、页眉页脚等干扰，导致文本提取时结构被打乱。

💡 实操建议：上传给知识库的文档，越结构化越好。能用 Markdown 就不要用 PDF；如果必须用 PDF，先做格式清理，去掉多栏布局和无关的页眉页脚，效果会好很多。

四、第三步：给智能体"装手脚"——MCP 工具接入

知识库解决的是"静态知识"的问题，但育儿场景有很多实时性的需求：今天天气适不适合带宝宝出门？某个食材到底有多少铁含量？这些需要外部工具来补全。

4.1 工具一：接入 fetch搜索工具

第一个工具我选择从 ModelScope MCP 广场获取。打开 modelscope.cn/mcp，搜索需要的 MCP 服务。

我找到了 ModelScope 官方 @modelcontextprotocol/fetch，它提供 、资源搜索等功能。对于育儿助手来说，它的搜索能力可以用来查找最新的育儿模型和应用资源。

登录 ModelScope 账号后，在服务详情页获取专属的 SSE 地址，格式类似：

https://mcp.api-inference.modelscope.cn/sse/xxxxxxxx

将这个 URL 填入 Nexent 的 MCP 工具配置页面，填写服务器名称（注意：只能用英文字母和数字，不能有下划线、空格或短横线），点击"添加"，等待工具同步完成，再点击"连通性校验"确认绿灯。

⚠️ 踩坑提醒：SSE 地址默认 24 小时有效，到期后需要重新获取。如果某天智能体突然调不到工具数据，多半是 URL 过期了。也可以选择设定为长期有效。

4.2 工具二：彩云天气 MCP

带宝宝出门前最关心的就是天气——温度多少、风力多大、空气质量如何、适不适合户外活动。我在 ModelScope 上找到了彩云天气 MCP（@gtaboo/caiyun-weather）彩云天气 MCP Server 提供以下工具：

• 这里我们需要先注册彩云天气获取token才能进行链接

• 然后还是直接复制链接进行添加就可以了，这里我们可以看到彩云天气的当前可用工具

4.3 工具三：高德地图周边查询

育儿场景中还有一个高频需求："附近有没有儿科医院""哪个公园有儿童游乐设施"。我用 Python 写了一个基于高德地图 API 的周边查询 MCP 服务，核心功能是：接收位置和关键词 → 调用高德 POI 搜索 API → 返回附近的儿科医院、儿童公园、亲子餐厅等信息。

• 所以我们这里再接入一个高德地图MCP

1. 在 ModelScope 的 MCP Hub 找到 @amap/amap-maps 服务

1. 前往高德开放平台（lbs.amap.com）注册并获取 API Key

1. 然后把刚刚从高德开放平台获取的key填入我们魔塔社区高德地图mcp服务处，获取我们的服务器URL

1. 在 Nexent 的「工具」页面，选择 SSE 传输方式，填入连接地址：https://mcp.amap.com/sse?key=你的API密钥

1. 这里直接在Nexent的MCP服务配置中直接复制URL即可添加使用，然后点击连通性校验显示，MCP服务器链接成功即可。

五、第四步：让智能体"干活"——开发与调试

5.1 创建智能体与工具选配

进入"快速配置"模块，点击"新建智能体"，我给它取名 "知心宝妈助手"。

配置界面分为几个区域：

• 基础设置：名称、描述、头像
• 模型选择：qwen3-max 作为对话模型

• 知识库关联：选择了之前创建的育儿知识库

5.2 用自然语言生成提示词

这是 Nexent 最让我印象深刻的功能。在描述框中，我写了这段需求描述：

"你是一位专业的育儿问答助手，名叫'知心宝妈助手'。你的用户是 0-3 岁宝宝的父母，你需要根据宝宝的具体月龄，回答关于辅食添加、营养搭配、常见疾病应对、日常护理和早教启蒙等问题。回答要科学、温和、有温度，引用知识库中的权威资料时要标注来源。遇到不确定的医学问题，要建议用户咨询儿科医生。"

选择模型，点击"生成智能体"。

大约 8 秒后，系统生成了完整的提示词结构，包括：角色定义、工作流程、工具调用规则、输出格式规范、边界限制。不是填空式的模板，而是真的针对我的描述和工具组合逻辑定制了内容。

5.3 手动审查与修改提示词

自动生成的提示词质量不错，但作为育儿场景，安全性和准确性要求极高。我做了三处关键修改：

修改一：工具调用优先级调整

自动生成的流程是先检索知识库，再调用外部工具。但对于"今天适不适合带宝宝出门"这类问题，应该先查天气，再结合知识库中的穿衣建议。我调整了调用顺序：

原文：先检索知识库，再调用外部工具补充信息
改为：对于涉及食物营养的具体问题，优先调用 cn-food-mcp 获取精准营养数据；对于时效性问题，优先调用网络搜索；知识库始终作为权威基础信息源参与最终回答的整合

修改二：增加安全免责声明

育儿建议涉及婴幼儿健康，必须谨慎。我在输出格式规范中增加了：

每次回答末尾必须附加安全声明："以上建议仅供参考，不构成医疗诊断。如宝宝出现持续发热、严重腹泻、精神萎靡等症状，请立即就医。"

修改三：月龄感知逻辑

育儿建议高度依赖宝宝的月龄。我在工作流程中增加了：

回答问题前，先确认用户提到的宝宝月龄。如果用户未提供月龄，主动询问。所有辅食添加建议必须标注适用月龄范围。

5.4 多轮调试

提示词修改完毕后，进入调试环境实测。

第一轮测试：营养数据查询

问：「7个月宝宝辅食可以加猪肝吗？猪肝含铁量是多少？」

第一轮测试育儿问答助手精准回应了 “7 个月宝宝能否加猪肝” 及 “猪肝含铁量” 的问题，又结合权威依据给出了科学的食用频率、用量、处理方法与过敏观察建议，还附上可直接操作的辅食做法，信息完整且实用性强，同时语气贴心，能有效缓解家长焦虑，是一份高质量的育儿指导。

第二轮测试：综合问答

问：「宝宝今天打完疫苗后有点低烧 37.4°，精神状态还行，需要去医院吗？」

我们可以看到回答专业严谨、贴合育儿实际，条理清晰且重点突出，护理建议科学实用，就医指征明确易懂，语气温柔贴心，能有效缓解家长焦虑，实用性与专业性兼备，对宝妈参考价值极高。给出了"38.5° 以下通常属于正常反应"的判断，同时附上了物理降温建议。回答末尾附带什么情况该及时就医的建议，当前建议持续观察。

第三轮测试：联网搜索实时信息

问：「2025年最新的儿童流感疫苗什么时候开始接种？」

智能体调用 fetch-mcp 进行网络搜索，获取了最新的流感疫苗接种时间信息，并结合知识库中的相关内容整理回答。

三轮调试下来，工具调用、知识库检索和安全提示逻辑都运行正常，我对这个智能体的表现比较满意。

六、发布上线与最终对话效果

确认调试无误后，点击"发布"，智能体正式出现在我的"智能体空间"里。切换到"开始问答"模式，以普通用户身份正式对话。

七、我的真实感悟：好用之处与待优化点

经过这个周末的完整实操，我对 Nexent 平台有了比较具体的感受。

• 好用的地方

1. 零代码门槛，真正的"对话式开发"

整个搭建过程中，我一行代码都没写（MCP 工具用现成的），全程通过自然语言描述和点击操作完成。从注册到发布，大约花了 2 小时。对于有想法但不会编程的宝妈宝爸来说，这个门槛真的可以接受。

1. 知识库总结能力超出预期

不同格式的文档都能处理，尤其是对 Markdown 和 DOCX 的总结质量很高。育儿场景信息来源复杂（科普文章、医生笔记、官方指南），能统一管理并精准检索，这解决了我的核心痛点。

1. 提示词自动生成是真正的效率工具

生成的不是填空模板，而是结合了工具能力和场景需求的完整提示词。给了我一个高质量的起点，手动微调比从零开始写省了 80% 的时间。

1. 知识溯源机制增强信任感

每条回答末尾标注信息来源（知识库文档名 + 工具调用记录），对于育儿场景来说，这种"有出处的建议"比纯 AI 生成要让人安心得多。

• 还需改进的地方

1. 知识库上传不稳定：而在解析失败后尝试重新上传文件时，有时又会发生文件无法正常上传、上传进度卡住或上传报错等异常现象
2. 记忆管理粒度过粗：清空全部但不支持单条编辑，错误的记忆会持续影响后续推荐。我因为一次临时查询导致记忆被污染，不得不清空重来。在育儿这种对准确性要求极高的场景下，单条编辑记忆几乎是刚需。

总结

这个周末的实操让我对 Nexent 有了深入的了解。它不是那种"看起来厉害但用不起来"的概念产品，而是一个真正能落地的智能体构建平台。

我搭建的"知心宝妈助手"，现在已经能稳定回答辅食营养、疾病应对、日常护理等育儿问题。它成了我手机里比育儿 APP 更好用的工具——因为它是基于我自己整理的知识库和权威资料来回答的，不是千篇一律的通用答案。

对于同样想用 AI 来辅助育儿的父母，或者任何想把自己的专业知识变成可对话 AI 的朋友，Nexent 是一个值得花时间认真尝试的平台。它让"想法到可用产品"的距离变得前所未有地短。

如果你也在育儿路上摸爬滚打，不妨试试 Nexent，花两个小时搭一个属于自己的育儿顾问。也许你会发现，AI 比想象中更能帮上忙。