引言：厨房小白的自救之路
作为对做饭既向往又恐惧的人，面对冰箱里一堆食材却不知如何下手的场景并不少见。更复杂的是，家庭成员往往有不同的饮食需求，比如海鲜过敏、控糖或减脂等，每次做饭都得在脑子里疯狂计算搭配禁忌。
近期接触到了 Nexent——一个开源智能体平台，主打零编排和自然语言驱动。这启发了一个想法：能否构建一个懂食材搭配、能根据季节推荐菜谱、还能照顾家人饮食禁忌的 AI 烹饪顾问？
于是决定尝试搭建一个名为"AI 大厨"的智能体。本文记录了从模型接入、知识库构建、MCP 工具配置到智能体开发调试的完整过程，以及关键的技术细节。
一、初识 Nexent：零编排智能体平台
Nexent 是一个开源智能体 SDK 和平台，核心理念是用自然语言描述需求，系统自动生成提示词和工作流程，无需复杂的编排或拖拉拽。它基于 MCP（Model Context Protocol）工具生态系统构建，提供灵活的模型集成、可扩展的数据处理和强大的知识库管理。
本次演示以 Web 端为主，注册即可在线使用。若需更高稳定性，支持 Docker Compose 一键本地部署。生产环境建议采用本地部署以保证数据安全和响应速度。
进入平台后，核心模块包括：
- 模型管理：接入各家 API，配置默认模型
- 知识库：上传文档，构建可检索的语料库
- MCP 工具：接入外部工具，赋予实时感知能力
- 智能体开发：描述需求 → 生成提示词 → 调试发布
- 记忆管理：配置跨对话记忆，保持上下文连贯
二、模型接入：配置与验证
2.1 单个模型添加
进入"模型管理"页面，点击"添加模型"。主对话模型选用阿里云百炼平台的 Qwen-Max。
需要填写四个字段：
- 模型名称：qwen-max
- API URL：
https://dashscope.aliyuncs.com/compatible-mode/v1 - API Key：从控制台复制
- 模型类型：大语言模型
填写完成后，务必先点击"连通性验证"。只有验证通过出现绿色"可用"字样后，才能点击"添加"。
2.2 批量导入
为提升效率，采用批量导入方式接入多个模型进行对比。例如 Qwen3.5-Plus 用于中文理解，Qwen2.5-Coder 处理结构化数据。
选择模型提供商为阿里灵积，输入 API Key 后点击"获取模型"，系统会自动枚举可用列表。通过搜索功能筛选目标模型，勾选后批量添加。
2.3 向量模型配置
知识库依赖 Embedding 模型。同样使用阿里云百炼平台，选用 Qwen-Embedding 处理中文资料。
注意：配置向量模型 URL 时，需在原有地址后添加
/embeddings后缀，否则无法对接。
三、知识库构建：让 AI 真正读懂资料
知识库是智能体的"味觉记忆"，将食谱、营养数据、饮食禁忌转化为可检索的上下文。
3.1 多格式文档解析
选取四种常见格式测试解析能力：
- PDF：家常菜谱合集（约 40 页），含分栏和多图
- Markdown：食材禁忌与营养对照表
- TXT：家人饮食需求说明
- DOCX：地中海饮食指南
上传后系统经历"解析中 → 入库中 → 已就绪"状态。不同格式处理速度差异明显，Markdown 和 TXT 最快，复杂 PDF 耗时较长。
3.2 自动总结质量
上传完成后，系统会为每份文档生成摘要，这直接影响多知识库场景下的检索路由精度。