Nexent
用自然语言构建并部署可控的生产级 AI 智能体。
按维度查看评分与理由
证据显示部署脚本支持交互式确认（TUI）和默认值模式，但未明确要求用户确认外部操作；存在敏感信息（如注册表密码）的处理，但未详细说明存储和传输安全；依赖安全方面有安全检查（如路径遍历拒绝），但未提供依赖漏洞扫描；外部效果方面，部署脚本会拉取镜像、推送镜像，但未明确限制权限；回滚方面，有版本管理和历史回滚的声明，但未提供具体实现；来源归属方面，有版权声明和贡献指南，但发布者未验证。因此，各标准得分较低。
自洽性方面，README、部署脚本和测试文件之间的一致性较好，但存在一些不一致（如README提到Docker Compose，但测试中未体现）；依赖可用性方面，依赖了外部镜像和Hugging Face模型，但未提供镜像仓库的可用性保证；失败消息方面，测试脚本中有明确的错误消息，但未覆盖所有失败场景。
受众和场景方面，README明确了个人/小团队和企业场景，并提供了Docker和Kubernetes部署选项；能力边界方面，列出了核心功能，但未明确限制；触发精度方面，部署脚本支持多种参数和交互模式，但未明确触发条件；环境适配方面，支持多种架构和部署环境，但未提供详细的兼容性说明。
信息架构方面，README结构清晰，有目录和文档链接；安装说明方面，提供了详细的部署步骤和系统要求；命名稳定性方面，项目名称和版本命名一致；示例和FAQ方面，提供了文档链接，但未提供具体示例；已知限制方面，未明确列出；许可证方面，有MIT许可证；版本和变更日志方面，有版本声明，但未提供变更日志；维护责任方面，有贡献指南和安全政策，但未明确维护者。
输出可用性方面，部署脚本和测试脚本提供了清晰的输出和错误消息；边际价值方面，提供了零代码平台和多种功能，但未与其他平台比较；成本效益方面，提供了部署选项和资源要求，但未提供成本分析。
声明可追溯性方面，README中的功能声明未提供具体实现或测试证据；跨来源佐证方面，有测试脚本和文档，但未提供独立验证；事实与推断分离方面，README中的声明多为断言，未区分事实和推断。
- 发布者身份未验证，应谨慎对待。
- 部署脚本涉及敏感信息（如注册表密码），需确保安全传输和存储。
- 依赖外部镜像和模型，需确保供应链安全。
- 功能声明缺乏具体实现和测试证据，需进一步验证。
这个 Agent 能做什么，适合哪些场景？
Nexent 是一个零代码智能体平台，围绕 Harness Engineering 提供工具、技能、记忆和编排能力。用户以自然语言描述需求，平台旨在即时生成可执行智能体，并提供版本管理与历史回滚。其功能范围包括 A2A 智能体协作、两层持久记忆、渐进式技能加载、知识库检索、MCP 扩展及知识级引用溯源。它可部署在本地或私有基础设施中，支持 Docker 与 Kubernetes 两种交付方式，并以 deploy/env/.env 作为共享运行时配置。该仓库更适合需要自托管、多租户及权限控制的团队，而不是只寻找单一模型聊天界面的个人用户。
Nexent 接收自然语言形式的智能体需求，并生成可执行智能体。运行时可结合统一工具、Skill、两层记忆和编排；其中渐进式 Skill Disclosure 按需将 Skill 加载进上下文，知识库可导入 20 多种文档格式并进行智能检索、自动摘要和引用溯源。它支持 A2A Agent Collaboration 以组成分布式工作流，并可通过 MCP Tool Ecosystem 接入自定义或第三方 MCP 服务。部署时，根目录的 bash deploy.sh docker 转发至 deploy/docker/deploy.sh，bash deploy.sh k8s 使用 deploy/k8s/deploy.sh；两者读取 deploy/env/.env，Kubernetes 将显式配置渲染为 Helm ConfigMap 与 Secret 覆盖项。
- 企业内部平台团队希望在私有 Docker 环境中，用自然语言快速创建带版本回滚能力的业务智能体。
- 需要多个智能体协作完成分布式工作流的团队，可采用 A2A Agent Collaboration 组织智能体间协作。
- 有大量内部资料的运营或支持团队，可导入文档到个人级知识库，并要求回答提供来源引用。
- 需要按用户和用户—智能体维度保留上下文的产品团队，可使用其两层记忆机制。
- 需要角色权限、租户隔离和细粒度知识库访问控制的组织，可将其用于多租户智能体服务。
- 希望接入自建或第三方 MCP 服务的开发团队，可通过 MCP Tool Ecosystem 扩展智能体能力。
这个 Agent 有哪些优点和局限？
- 以 Harness Engineering 统一工具、技能、记忆和编排，并提供约束、反馈循环与控制平面。
- 同时提供 Docker 与 Kubernetes 部署路径，共享 deploy/env/.env 配置模型，适合本地或私有基础设施。
- A2A 协作、渐进式 Skill 加载、两层记忆、MCP 扩展和带引用的知识检索覆盖了多智能体应用的关键组件。
- 具备多租户、RBAC、智能体版本管理和历史回滚，适合需要治理能力的组织部署。
- 最低资源要求较高：Docker 至少需要 4 核、8 GiB 内存和 40 GiB 磁盘；Kubernetes 至少需要 16 GiB 内存和 100 GiB 磁盘。
- Kubernetes 部署需要 Kubernetes 1.24+ 与 Helm 3+，并需选择持久化模式、存储类或本地路径等存储配置。
- 所给资料未说明模型供应商凭据字段、首个智能体的详细配置流程、管理入口或 API 示例，落地时需要额外验证。
- 可选组件虽可缩减部署规模，但默认包含 application、data-process 和 supabase，组件取舍需要由部署方评估。
如何安装或部署这个 Agent？
Docker 部署：先满足 Docker 24+、Docker Compose v2+，且至少 4 核 CPU、8 GiB 内存和 40 GiB 磁盘；推荐为 8 核、16 GiB、100 GiB。执行：
git clone https://github.com/ModelEngine-Group/nexent.git
cd nexent
bash deploy.sh dockerKubernetes 部署：先满足 Kubernetes 1.24+、Helm 3+，且至少 4 核 CPU、16 GiB 内存和 100 GiB 磁盘。执行：
git clone https://github.com/ModelEngine-Group/nexent.git
cd nexent
bash deploy.sh k8s首次部署会使用现有 deploy/env/.env；若不存在，会依次复用 docker/.env 或 deploy/env/.env.example。所给资料未说明模型供应商凭据的具体字段、管理界面访问地址或首次登录方式。
如何使用这个 Agent？
执行 bash deploy.sh docker 或 bash deploy.sh k8s 后，交互式部署可选择组件、端口策略和镜像来源；可用 --defaults 跳过菜单，也可传入 --version、--components、--port-policy development|production 和 --image-source general|mainland|local-latest。基础设施组件 infrastructure 为必选项，application、data-process 与 supabase 默认选中但可以关闭。平台的产品使用方式是以自然语言描述所需智能体，再结合所需知识库、Skill、MCP 服务、记忆和协作能力进行配置；所给资料未提供创建第一个智能体的具体界面步骤或 API 调用示例。