前言作为一个每年至少出去旅行两三次的人每次做攻略都是一场修行——查景点、看天气、找酒店、比机票……信息分散在十几个 App 里往往花一整天也理不出个清晰的行程。一直想有个 AI 助手能帮我把这些事一次性搞定但要么不够灵活要么需要写代码始终没找到趁手的工具。直到我遇见了Nexent——一个开源的零代码智能体平台让我真正体验了一把一句话造 Agent的快乐。一、初识 Nexent打开即用的智能体工厂打开 Nexent 智能体平台第一感觉就是——干净清爽。左侧导航栏清晰列出了「智能体开发」「智能体市场」「模型管理」「知识库」「MCP工具」等核心模块不用看文档也能猜出大概流程。平台的核心理念是一个提示词无限可能——你只需要用自然语言描述想要什么样的智能体平台就能自动帮你生成配置、选择工具、编写提示词。对于我这种有想法但不想写代码的人来说简直是量身定做。二、给智能体长脑子模型配置智能体的核心能力来自大语言模型所以第一步就是接入模型。Nexent 支持单个添加和批量导入两种方式。2.1 单个添加模型在左侧「模型」页面点击添加模型选择模型提供商比如硅基流动 Silicon Flow、DeepSeek填入 API Key选择你想要的模型即可。我在这里选择添加了 qwen3-max作为主对话模型以及Qwen3-Embedding作为向量 embedding 模型。踩坑提醒这里在向量模型Embedding配置的模型URL我们需要注意需要在原先大语言模型和视觉语言模型的基础上添加/embeddings才能够联通。这里没配置过项目模型的伙伴一定要注意奥。2.2 批量导入模型如果你一次性要接入多个模型比如同时接入 DeepSeek、Qwen、GLM 等Nexent 还提供了批量导入功能。只需要在配置文件中批量填写模型信息一键导入省去了逐个添加的繁琐。添加完模型后别忘了在「系统模型配置」里设置好默认的 LLM 和 Embedding 模型这样后续创建智能体时就不需要重复选择了。三、给智能体喂知识知识库构建旅行规划需要的知识非常多样——景点介绍、美食推荐、交通攻略、签证政策……我准备了几种不同风格的文档来测试 Nexent 知识库的处理能力。3.1 上传多种格式的文档我上传了以下几类文档文档内容格式说明2024 年日本东京旅行攻略PDF图文并茂的详细攻略泰国曼谷美食地图Word按区域分类的餐厅推荐欧洲申根签证办理指南word条目清晰的流程说明东南亚旅行对比Excel各国花费对比表格上传后系统会自动进行文档解析和切片状态依次显示为解析中 → 入库中 → 已就绪。右侧还能实时看到处理进度和切片数量整个过程的透明度让我很放心。3.2 知识库自动总结——超出预期让我比较惊喜的是知识库的自动总结功能。文档上传后系统会智能生成简洁准确的摘要。例如针对那份东京五日游攻略系统迅速提炼出“主要景点涵盖浅草寺、teamLab、晴空塔和涩谷”以及“建议购买Suica卡方便出行”等关键信息。而对于泰国美食相关内容它不仅能提取亮点还能深入归纳比如总结出“暹罗商圈以连锁餐厅为主考山路周边则聚集了丰富的街头小吃”这样的区域化洞察大大提升了信息获取效率。四、开发智能体从描述到提示词这是整个过程中最让我兴奋的环节。Nexent 的核心体验就是一句话创建智能体。4.1 自动生成提示词在「智能体开发」页面我在描述框中输入旅行规划师这短短的几个字之后点击「生成」系统就自动帮我创建了一个完整的智能体配置——不仅生成了详细的系统提示词还对智能体角色定位智能体配置信息都做了完善的配置4.2 检查并修改提示词自动生成的提示词虽然已经不错但我还是仔细检查并做了几处关键修改修改一明确工具调用优先级原文你可以使用地图工具查询景点信息。修改为当用户提到具体城市或景点时优先使用高德地图 MCP 的 POI 搜索功能查询详细信息当需要规划路线时使用驾车/步行路线规划工具计算时间和距离。修改二增加输出格式规范添加了行程计划请按以下格式输出Day 1 / 上午 / 景点名称 建议游玩时长 交通方式 / 下午 / ... 并在最后附上预算汇总表格。修改三强化知识库引用添加了回答用户关于签证、美食、文化注意事项等问题时优先参考知识库中的文档并在回答末尾标注信息来源。修改后的提示词明显更有针对性和可操作性这也让我体会到——自动生成是很好的起点但人工微调才是让智能体从能用到好用的关键。五、给智能体装工具MCP 工具接入知识库让智能体有知识但要真正完成旅行规划还需要它能实时查天气、搜地图、查航班、找酒店。这就需要接入 MCPModel Context Protocol工具了。而Nexent 基于 MCPModel Context Protocol协议提供了丰富的工具生态。下面我们就来给咱们的智能体添加三个来自魔搭社区ModelScope的 MCP 服务。5.1 通过 ModelScope URL 接入——高德地图 MCP第一个接入的是高德地图 MCP 服务。这个工具非常强大涵盖了地理编码、POI 搜索、路线规划、天气查询等 12 个核心能力对旅行规划来说几乎是瑞士军刀级别的存在。操作步骤在 ModelScope 的 MCP Hub 找到amap/amap-maps服务前往高德开放平台lbs.amap.com注册并获取 API Key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。整个过程不到五分钟不需要本地安装任何东西URL 直连就搞定了。5.2 通过 ModelScope 接入——飞常准航班查询 MCP地图和天气搞定了接下来是旅行规划中绕不开的航班信息查询。我在 ModelScope 的 MCP Hub 上找到了飞常准Variflight提供的航班查询 MCP 服务它提供了 7 个核心工具工具名称功能说明searchFlightsByDepArr按出发地和目的地搜索航班支持 IATA 代码如 PEK→SHAsearchFlightsByNumber按航班号精确查询如 MU2157getFlightTransferInfo查找中转航班方案flightHappinessIndex航班舒适度评分靠窗靠过道颠簸程度searchFlightItineraries搜索可购买机票及最低价格getFutureWeatherByAirport查询机场未来 3 天天气预报getRealtimeLocationByAnum实时追踪飞机位置功能非常全面基本覆盖了从查航班、比价格到查延误的全流程需求。操作步骤在 ModelScope 的 MCP Hub 搜索variflight找到variflight-ai/variflight-mcp服务这里很简单我们之间点击链接就可以查看到sse或者streamable-http协议点击链接即可看到url,然后直接在Nexent的MCP服务配置中直接复制URL即可添加使用。5.3 通过 see协议 接入——AIGoHotel 全球酒店搜索 MCP最后是旅行规划的另一大刚需——酒店搜索和比价。我在 ModelScope 上找到了AIGoHotel 全球酒店推荐 MCP它提供了 3 个核心工具工具名称功能说明searchHotels全球酒店搜索支持按城市/景点/酒店名搜索可按星级、距离、入住日期等多维度筛选getHotelDetail获取酒店详细信息设施、房型、评分等getHotelSearchTags获取酒店搜索标签辅助精准筛选这个工具最让我满意的是它覆盖了全球范围的酒店数据不限于国内对于出境旅行的场景非常友好。操作步骤在 ModelScope 的 MCP Hub 搜索hotel或AIGoHotel找到yorklu/AI_Go_Hotel_MCP服务回到 Nexent 平台将刚刚获取的url,然后直接在Nexent的MCP服务配置中直接复制URL即可添加使用。点击「验证连接」显示「MCP服务器链接成功」即可。5.4 勾选 MCP 服务让智能体工具正式 “跑起来”MCP 服务器配置并添加完毕后还有一个非常关键的小细节千万不要忽略大家一定要记得在对应列表里把需要启用的服务项全部勾选上只有这样才能保证后续工具调用、功能调用正常生效避免出现服务未加载、功能不可用的情况。六、调试与发布让智能体真正上岗6.1 调试测试配置完成后我进入了调试环节。用了三个不同复杂度的问题来测试测试一简单北京明天天气怎么样智能体正确调用了高德地图的天气查询工具返回了北京的天气信息包括温度、风力、湿度等详细数据。测试二中等我想下个月去东京玩五天帮我规划一下行程。智能体调用了高德地图搜索东京热门景点结合知识库中的日本旅行攻略生成了一份五日行程计划每天都有上午、下午的具体安排还附带了交通建议和预算估算。测试三复杂我在上海计划五一假期去曼谷和清迈一共七天预算一万五需要机票和酒店推荐。这个就比较考验综合能力了。智能体分步骤执行先用航班工具查了上海到曼谷的航班再用酒店工具搜索了曼谷和清迈的性价比酒店最后结合知识库中的泰国攻略输出了一份完整的七日双城行程。虽然个别细节还可以优化比如航班时间的选择略显宽泛但整体框架已经很实用了。6.2 发布上线调试确认无误后点击「发布」智能体就正式上线了。这里很快几秒钟就OK了然后我们也可以在智能体空间里面看见咱们刚刚创建的智能体。七、我的 Nexent 智能体开发感受零代码上手极快从注册到完成一个可用的智能体我前后花了不到1个小时全程没有写一行代码。对于非技术人员来说这个门槛低到让人惊喜。自动提示词生成平台能根据一段自然语言描述自动生成结构化的提示词而且质量不低。这大大降低了 Prompt Engineering 的门槛。知识库处理能力强对多种文档格式的支持很全面自动切片和摘要的质量超出预期。第三方知识库的接入也很方便。知识溯源透明每次回答都能看到引用来源这种可解释性在旅行建议这类需要可靠信息的场景中特别重要。觉得还可以再优化和期待的地方MCP工具目前 MCP 工具生态仍处于 “即将上线” 状态暂未提供完整可用的 MCP 工具管理能力。用户无法在统一界面中集中管理 MCP 服务器与相关工具。错误提示太粗。连通性验证失败只显示连接失败没有 HTTP 状态码没有请求路径。我排查 URL 后 错误花了将近二十分钟加三行错误信息能解决 80% 的新用户困惑。复杂 PDF 解析质量不稳定。多栏布局、图片密集的旅行攻略 PDF入库后自动总结质量明显下降。对知识库来说这是核心能力值得专门投入。结语这次用 Nexent 搭建旅行规划师智能体的体验整体上是超出我预期的。从模型接入、知识库构建、MCP 工具配置到智能体开发、调试、发布整个链路在零代码的前提下做到了相当完整的覆盖。特别是自动提示词生成和知识溯源这两个功能让我真切感受到了AI 帮你做 AI的奇妙感。当然作为一个还在快速发展的开源项目Nexent 在细节体验上还有提升空间。但方向是对的——降低智能体的创建门槛让更多人能把自己的想法变成可用的 AI 应用。如果你也在寻找一个好上手的智能体平台或者只是好奇零代码做 Agent到底是什么体验不妨打开 Nexent 亲自试一试。也许你的下一个旅行计划就是 AI 帮你做的。