Framework Nexent 零代码生成生产级AI智能体的开源平台

企业里想做内部智能体，摆在面前的通常是两条路：要么让工程师写编排代码，几周起步；要么用拖拽画布平台，上手快但复杂逻辑根本搭不出来，节点连线连到第三屏就没人看得懂。真正想要的其实是第三种：像提需求一样说一句话，直接得到一个能跑的生产级智能体。

Nexent 基于 Harness Engineering 理念做了这个尝试：零代码、纯自然语言生成智能体，统一的工具、技能、记忆与编排开箱即用，还内置约束、反馈回路和控制面。项目 MIT 开源，支持 Docker 和 Kubernetes 两级部署，GitHub 上 6000 多 Star。

项目基本信息

一、项目介绍

Nexent 的口号是「一个提示词，无限延展」：用自然语言描述需求，平台即时生成可执行的智能体，没有编排画布也没有复杂的拖拽流程。v2.0 带来了一整套企业级能力：A2A 协议让多个智能体互相协作组成分布式工作流；双层记忆机制（用户级加用户-智能体级）让上下文跨对话持久；渐进式技能披露按需把技能加载进上下文，最大化窗口利用率。

平台还内置个人级知识库，实时导入 20 多种文档格式，自动摘要并带细粒度访问控制；MCP 工具生态即插即用，支持自研与第三方服务；联网检索把实时信息与私有数据融合；每个事实都有精确引用可溯源。交互上覆盖语音、文字、图片、文件的多模态对话。

管理面同样完整：智能体版本管理与历史回滚、官方与社区精选的智能体市场一键安装、多租户隔离与基于角色的访问控制。

二、核心优势

第一，真正的零代码。需求描述即智能体，业务人员可以自己动手，工程师只需要维护平台。

第二，多模型自由。OpenAI 兼容接口接任意供应商，大模型、向量、视觉、语音识别、语音合成全覆盖，支持国产模型切换。

第三，部署梯度完整。个人和小团队用 Docker 一键部署，企业生产用 Kubernetes 加 Helm 高可用方案，都有离线安装包，内网环境友好。

第四，可追溯。知识级溯源让每条回答都能查到出处，这在企业合规场景里是硬需求。

三、适用场景

第一类是企业内部工具：知识库问答、流程助手、数据分析机器人，业务部门提需求当天生效。

第二类是私有化部署需求强烈的行业：金融、政务、制造对数据不出域有硬性要求，离线包加内网模型切换正好满足。

第三类是多智能体协作场景：用 A2A 协议把拆解、执行、审核角色串成流水线，替代人工传递。

四、安装教程

Docker 部署（推荐个人与小团队），要求 Docker 24+ 和 Compose v2+：

git clone https://github.com/ModelEngine-Group/nexent.git
cd nexent
bash deploy.sh docker

交互式菜单会让你选组件、端口策略和镜像源；想跳过交互加 --defaults 按保存过的配置直接部署。Kubernetes 部署要求 K8s 1.24+ 和 Helm 3+：

bash deploy.sh k8s

资源需求参考：Docker 单机最低 4 核 8GiB 内存、40GiB 磁盘，生产建议 8 核 16GiB；K8s 集群建议 16GiB 起步。卸载用 bash uninstall.sh docker，可选保留或删除数据卷。内网部署可先在有网的机器上 bash build.sh --package --target docker --compress true 打离线镜像包。

常见报错：镜像拉取慢在部署时选 mainland 镜像源；Elasticsearch 启动失败检查 vm.max_map_count 内核参数是否按要求调高；端口冲突用交互菜单改端口策略。

五、使用示例

部署完成后打开 Web 控制台，先在模型管理里配好对话模型和向量模型，然后在智能体创建页直接输入：

做一个 IT 报修助手：接收员工的故障描述，优先从公司知识库
检索解决方案，查不到就生成工单并通知值班工程师

平台生成智能体后，先在知识库里导入运维文档（支持 PDF、Word 等 20 多种格式），再给它挂上工单系统的 MCP 工具。上线后员工发一句「打印机卡纸了怎么办」，智能体从知识库检索出处理步骤并附文档引用；换成「打印机彻底坏了」，它判断知识库无解，转而创建工单。历史版本随时回滚，迭代不心疼。

六、常见问题

和 Dify、Coze 什么区别？最大差异是零代码纯语言生成加内置 Harness 约束体系，不需要画布编排；Dify 更偏工作流可视化。

必须用 K8s 吗？不是，Docker 单机部署对个人完全够用，K8s 是给高可用生产环境的选项。

支持私有模型吗？支持，OpenAI 兼容接口的私有化模型（含国产模型）都能接入。

七、总结

Nexent 把「造智能体」的门槛从会写代码压到了会打字，同时没有牺牲企业级刚需：多租户、权限、版本管理、知识溯源一个不少。想在组织内部规模化落地智能体的团队，值得花一个下午把 Docker 版跑起来看看。