引言
作为一个对做饭既向往又恐惧的人，面对冰箱里的食材往往无从下手。以往需要搜索视频教程并反复暂停操作，且需兼顾家人的饮食禁忌（如过敏、控糖等）。为了解决这一痛点，本文记录了使用开源智能体平台 Nexent 构建'AI 大厨'智能烹饪顾问的完整过程。
一、初识 Nexent
Nexent 是一个开源智能体 SDK 和平台，核心理念是通过自然语言描述生成智能体的提示词和工作流程，无需复杂编排。它基于 MCP 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 Web 端在线使用及本地 Docker Compose 部署方式。部署完成后访问 localhost:3000 即可。官方也提供在线试用环境，但建议生产环境使用本地部署以保证稳定性。
进入平台后，主要功能模块包括：
- 模型管理：接入各家 API，配置系统默认模型
- 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，描述需求 → 自动生成提示词 → 调试发布
- 记忆管理：配置跨对话记忆
二、模型接入
2.1 单个模型添加
在'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 qwen3-max。
需要填写的字段包括：
- 模型名称：qwen3-max
- APIURL：https://dashscope.aliyuncs.com/compatible-mode/v1
- API Key：从百炼平台控制台复制
- 模型类型：大语言模型
填写完成后先点击'连通性验证'，验证通过后显示绿色'可用'字样，方可添加。
2.2 批量导入
为进行横向对比，同时接入 Qwen3.5-Plus 处理中文菜谱理解，Qwen2.5-Coder 处理结构化营养数据。选择模型提供商为阿里灵积，输入 API Key 后点击'获取模型'，系统自动枚举可用模型。通过搜索筛选出目标模型并勾选添加。
2.3 向量模型配置
知识库需要 Embedding 模型支持。选用 Qwen-Embedding 处理中文菜谱和营养资料。添加方式与大语言模型类似，切换至向量模型类型。
温馨提示： 配置向量模型的 URL 时，需在原有地址后添加
/embeddings后缀，方可正常对接。
三、知识库构建
知识库是 AI 大厨的'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 上传不同格式的文档
测试了四种格式文件：
- 家常菜谱合集（PDF）：包含食材清单、步骤说明和烹饪技巧。
- 食材禁忌与营养对照表（Markdown）：常见搭配禁忌、营养成分和适宜人群。
- 家人饮食需求说明（TXT）：过敏源、控糖低油、减脂需求。
- 地中海饮食指南（DOCX）：健康饮食参考文档。
上传后系统经历解析、入库、就绪状态。Markdown 和 TXT 处理最快，复杂 PDF 耗时较长。
3.2 知识库自动总结
上传完成后查看自动生成的摘要，这影响了多知识库场景下的检索路由精度。Markdown 和 TXT 格式总结质量较高，能准确提取核心主题；PDF 因排版复杂，关键词提取略显泛化。
四、MCP 工具接入
静态知识库无法覆盖实时信息，需接入 MCP 工具赋予 AI 实时感知能力。
