走来走去的F小姐1. 项目概述：用Nexent打造AI烹饪顾问的初衷
作为一个厨房小白，每次站在冰箱前面对一堆食材时，那种手足无措的感觉实在太熟悉了。手机里收藏的菜谱视频永远用不上，因为要么缺材料，要么步骤太复杂。更让人头疼的是，家里还有对海鲜过敏的室友和需要控糖的老妈，每次做饭都像在解一道复杂的数学题。
去年接触到Nexent这个开源智能体平台时，我立刻意识到它可以解决我的痛点。Nexent的"零编排"理念意味着，我只需要用自然语言描述需求，系统就能自动生成完整的智能体工作流程。这比传统需要编写复杂代码的AI开发方式友好太多了。
1.1 为什么选择Nexent
Nexent的核心优势在于它的MCP（Model-Component-Protocol）生态系统。这个架构让不同功能的AI模块可以像乐高积木一样自由组合。对于烹饪顾问这个场景，我需要：
- 菜谱查询能力
- 营养分析功能
- 饮食禁忌检查
- 应季食材推荐
传统开发中，这些功能需要分别对接不同API，编写大量胶水代码。而Nexent通过MCP协议，让这些功能模块可以即插即用。更棒的是，它内置的知识库管理功能，让我可以上传自家的饮食禁忌文档，打造个性化的AI助手。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与模型配置
2.1 Nexent平台部署
Nexent提供多种部署方式，我选择了最方便的Docker Compose方案。只需要准备好一台Linux服务器（我用的Ubuntu 22.04），安装好Docker和Docker Compose，然后执行：
bash复制git clone https://github.com/nexent-ai/nexent-platform
cd nexent-platform
docker-compose up -d
大约5分钟后，访问localhost:3000就能看到登录界面。首次使用需要注册管理员账号。相比在线版，本地部署的响应速度更快，数据也更安全。
2.2 模型接入实战
2.2.1 大语言模型配置
进入"模型管理"页面，我首先添加了Qwen3-MAX作为主对话模型。这是阿里云百炼平台提供的强大中文模型，特别适合处理菜谱理解和多轮对话。
配置时需要填写：
- 模型名称：qwen3-max
- API URL：https:/