• AI Agent
• AI 应用
• 后端
• 前端
• 大模型
• RAG

快速配置是 Nexent 平台引导新租户完成基础设置的一条“推荐路径”：按照模型管理 → 知识库配置 → 智能体开发的固定顺序，即可在最短时间内搭好一套可用的智能体应用。读完本文，你将掌握如何接入并验证大语言模型/向量模型等各类模型、如何创建知识库并让智能体检索私有数据，以及如何把配置好的智能体调试、发布并纳入版本管理。

本文以 quick-setup.md 为主线骨架，正文中涉及的详细参数、界面步骤与底层实现分别来自 model-configuration.md、knowledge-configuration.md 与 agent-configuration.md，并辅以仓库源码佐证。

📋 配置流程总览

快速配置按照以下顺序组织，帮助您按推荐路径完成系统设置。三个步骤环环相扣：模型管理决定系统用什么模型思考与记忆，知识库配置为智能体准备可检索的私有数据，智能体开发则将模型、知识库、工具与协作 Agent 组合成可对外发布的成品。

前端界面将该功能称为“快速配置”（page.quickConfig/setup.header.title，见 common.json），对应文档目录即 quick-setup.md。

第一步：模型管理

配置应用基本信息和接入 AI 模型：

• 应用配置：设置应用图标、名称和描述。图标可使用系统预置图标，也可以自定义上传（界面配置项见 model-management 资源目录 中的predefined-app-icon-setting.png、customized-app-icon-setting.png与app-name-description-setting.png）。
• 模型配置：接入大语言模型（LLM）、向量化模型（Embedding）、视觉语言模型（VLM）以及重排模型（Rerank）、语音识别（STT）、语音合成（TTS）等模型。

详细内容请参考：模型管理。

第二步：知识库配置

创建知识库并上传文档：

• 创建知识库：为智能体准备知识来源
• 上传文件：支持多种文件格式
• 生成总结：为知识库生成内容总结

详细内容请参考：知识库。

第三步：智能体开发

创建和配置智能体：

• 创建智能体：创建新的智能体或导入已有智能体
• 配置能力：设置协作智能体和工具
• 描述业务逻辑：定义智能体的工作方式

发布智能体：

• 发布智能体：已发布的智能体将在选中的用户组内可见，并列于智能体空间与开始问答选择框中
• 版本管理：跟踪智能体的迭代历史，支持查看、回滚至历史版本及创建新版本

详细内容请参考：智能体开发。

🎯 使用建议

1. 按顺序配置：建议按照快速配置的顺序进行，确保每个步骤都正确完成
2. 保存配置：每个步骤完成后记得保存配置
3. 启用知识库：若要启用本地知识检索能力，需在智能体配置中选中knowledge_base_search工具
4. 测试验证：配置完成后，建议在对话页面测试智能体的功能

🚀 下一步

完成快速配置后，您可以：

1. 进入 智能体空间 查看和管理所有智能体
2. 在 开始问答 中与智能体进行交互
3. 配置 记忆管理 以提升智能体的记忆能力

如果您在使用过程中遇到任何问题，请参考 常见问题 获取支持。

第一步详解：模型管理

模型配置是整个平台的“能力底座”。Nexent 支持接入大语言模型、向量化模型、重排序模型、多模态模型和语音模型，并且兼容任何遵循 OpenAI API 规范的模型供应商。

从源码看，后端将模型类型划分为llm、embedding、multi_embedding、rerank、vlm/vlm2/vlm3/vlm4、stt、tts等类型，并映射到租户级配置键LLM_ID、EMBEDDING_ID、MULTI_EMBEDDING_ID、RERANK_ID、VLM_ID、STT_ID、TTS_ID等（见 const.py）；模型字段校验与类型推断逻辑集中在 model.py。

添加自定义模型

添加单个模型

1. 点击“添加模型”按钮，进入添加模型弹窗。
2. 点击模型类型下拉框，选择要添加的模型类型（大语言模型 / 向量模型 / 图片理解模型 / 图片生成模型 / 视频理解模型 / 重排模型 / 语音识别模型 / 语音合成模型）。
3. 配置模型参数：
   • 模型名称（必填）：输入请求体中的模型名称。
   • 展示名称：可为模型设置一个展示名称，默认与模型名称相同。
   • 模型 URL（必填）：输入模型提供商的 API 端点。
   • API Key：输入您的 API 密钥。

⚠️注意事项：

1. 模型名称通过模型提供商获取，通常格式为模型系列/模型名字。以模型系列是Qwen、模型名字是Qwen3-8B为例，模型名称为Qwen/Qwen3-8B。
2. 模型 URL 通过模型提供商的 API 文档获取。以模型提供商是硅基流动为例，大语言模型 URL 为https://api.siliconflow.cn/v1，向量模型 URL 为https://api.siliconflow.cn/v1/embeddings，视觉语言模型 URL 为https://api.siliconflow.cn/v1。
3. API Key 通过模型提供商的 API Key 密钥管理页面创建并获取。

4. 连通性验证：点击“连通性验证”按钮，系统会发送测试请求并返回验证结果。后端在保存前还会针对 embedding / multi_embedding 模型发起探测，自动解析出向量维度并写入max_tokens，同时设置默认chunk_batch（默认 10），维度解析失败会直接报错提示检查 URL、API Key 与网络（见 model_management_service.py）。
5. 保存模型：配置完成后，点击“确定”按钮，模型将被添加到可用模型列表中。

界面示意见 add-model.png。

批量添加模型

为了提升模型导入效率，Nexent 提供了批量模型导入功能：

1. 在添加模型弹窗中，打开“批量添加模型”开关。
2. 点击模型提供商下拉框，选择模型提供商。
3. 点击模型类型下拉框，选择要添加的模型类型。
4. 输入 API Key（必填）。
5. 点击“获取模型”按钮，批量获取模型列表。
6. 获取到的模型默认未启用，需要手动点击开关启用所需模型。
7. 配置完成后点击“确定”，所有选中的模型将被添加到可用模型列表中。

界面示意见 add-model-batch.png。

批量获取依赖模型提供商目录（model catalog）的能力，仓库中维护了 model_catalog.json 与解析器 model_catalog_loader.py，用于按提供商、模型类型枚举可接入的模型清单。

修改与删除自定义模型

1. 点击“修改自定义模型”按钮。
2. 选择要修改或删除的模型类型。
3. 选择是批量修改模型，还是修改单个自定义模型。
4. 批量修改：可以通过启动或关闭模型开关来添加或删除模型，也可以通过右上角“修改配置”按钮对选中的模型进行批量配置修改。
5. 单个自定义模型：点击删除按钮 🗑️ 删除目标模型；点击模型名称弹出修改弹窗进行修改。

界面示意见 edit-model-1.png 至 edit-model-6.png。

配置系统模型

添加模型后，需要配置系统基础模型。该模型用于标题生成、实时文件读取等基础功能；而在智能体运行时，可以为每个智能体单独指定运行模型。

• 基础模型配置：系统基础模型用于处理平台的核心功能，包括标题生成、实时文件读取、基础文本处理。点击基础模型下拉框，从已添加的大语言模型中选择一个。
• 大语言模型：系统的核心推理引擎，负责处理自然语言请求、生成回复、执行代码、分析数据等复杂任务。
• 向量模型：主要用于知识库中文本、图片等数据的向量化处理。点击向量模型下拉框选择一个向量模型；向量模型配置会影响知识库的稳定运行，需要根据模型能力选择合适的文档切片大小（expected_chunk_size / maximum_chunk_size）和单次请求切片量（chunk_batch）：切片越小，系统越稳定，但文件解析质量也会受影响。这些切片参数在模型录入时即可配置（字段定义见 model.py），并在文件处理时由 Ray 数据处理 Actor 读取生效（见 ray_actors.py）。
• 重排模型：用于对初筛后的文档进行语义匹配与评分，确保最相关的核心答案排在首位。点击重排模型下拉框选择一个。后端通过get_rerank_adapter_from_config构造重排适配器（见 model_gateway_service.py）。
• 多模态模型：结合视觉与语言能力。图片理解模型用于分析图片内容、提取关键信息、回答图片相关问题；图片生成模型根据文本描述生成图像；视频理解模型用于分析和理解视频内容、生成摘要或回答问题。
• 语音模型：实现语音与文本的双向转换。语音合成模型（TTS）将文本转换为自然流畅的语音输出；语音识别模型（STT）将用户语音实时转换为文本。

界面示意见 vector-model.png 与 select-model-1.png 至 select-model-5.png。

检查模型连通性

定期检查模型连通性是确保系统稳定运行的重要环节：

• 点击“检查模型连通性”按钮，系统将自动测试所有已配置系统模型的连接状态。
• 状态指示：🔵 蓝色圆点表示正在检测中；🔴 红色圆点表示连接失败，需要检查配置或网络状态；🟢 绿色圆点表示连接正常，模型可以正常使用。

故障排查建议：

• 检查网络连接是否稳定
• 验证 API 密钥是否有效且未过期
• 确认模型服务商的服务状态
• 检查防火墙和安全策略设置

后端通过check_model_connectivity/verify_model_config_connectivity接口执行探测（见 model_managment_app.py），其中“验证而不落库”的能力让您在保存模型前即可确认配置可用。

支持的模型提供商

大语言模型（LLM）：Nexent 支持任何遵循 OpenAI API 规范的供应商，例如硅基流动、阿里云百炼、小马算力、Deepseek、OpenAI、Anthropic、月之暗面等。接入步骤：

1. 访问模型供应商官网，注册账户；
2. 创建并复制 API Key；
3. 在文档中查看 API 端点（即模型 URL，一般以/v1结尾）；
4. 在 Nexent 模型配置页面点击添加自定义模型，填入必备信息即可接入。

多模态模型：使用与大语言模型相同的 API Key 和模型 URL，但指定多模态模型名称，如硅基流动提供的Qwen/Qwen2.5-VL-32B-Instruct。

向量模型：使用与大语言模型相同的 API Key，但模型 URL 一般以/v1/embeddings结尾，同时指定向量模型名称，如硅基流动提供的BAAI/bge-m3。

重排模型：使用与大语言模型相同的 API Key，但模型 URL 一般以/v1/rerank结尾。

语音模型：目前支持阿里灵积和火山引擎语音模型。阿里灵积需配置与大语言模型相同的 API Key；火山引擎模型需配置 appid 与 token。

• 火山引擎：推荐使用豆包语音合成模型 2.0 和大模型流式语音识别模型。开始使用：注册火山引擎账户 → 访问语音技术服务 → 创建应用并获取 appid 和 token → 在添加模型页面中配置 TTS/STT 设置。
• 阿里灵积：推荐使用千问 3-TTS-Instruct-Flash-Realtime / 千问 3-TTS-Flash-Realtime 和千问 3-ASR-Flash-Realtime。开始使用：注册阿里云账户 → 访问阿里千问实时语音技术服务 → 创建应用并获取 API Key → 在添加模型页面中配置 TTS/STT 设置。

第二步详解：知识库配置

知识库模块支持创建和管理知识库、上传文件、查看处理状态、维护 Chunk（分片）以及生成内容总结。管理员和开发者可按用户组共享知识库；普通用户也可以创建和管理自己的私有知识库。

普通用户在知识库列表底部可以看到“个人知识库容量”，其中显示当前已用空间和有效配额。若管理员没有设置上限，页面显示“无限制”；达到配额后系统会阻止继续创建内容或上传文件，但不会删除已有数据。

创建知识库

1. 点击左侧知识库列表上方的“创建知识库”按钮。
2. 在弹出的创建面板中填写以下配置项：

3. 配置完成后，在下方文件上传区域选择要上传的文件（可跳过，后续再上传）。
4. 文件上传后系统自动创建知识库并开始处理文件。

界面示意见 create-knowledge-base.png。

上传文件

1. 在知识库列表中选择要上传文件的知识库。
2. 点击文件上传区域选择要上传的文件（支持多选），或直接拖拽文件到上传区域。
3. 系统会自动处理上传的文件，提取文本内容并进行向量化。
4. 可在列表中查看文件的处理状态。

:::tip 文件大小限制 单个文件上传大小限制为20 MB，超过此限制的文件将无法上传。 :::

上传前系统还会检查知识库自身配额、租户容量和个人知识库容量。若页面提示容量不足，请先删除不再需要的文件，或联系管理员调整相应配额。

文件处理状态

文件上传后会经过多个处理阶段，共有 6 种状态：

将光标移到状态图标上可以查看当前进度，例如“已处理 23/50 个切片”。解析失败或入库失败时，提示框会同时给出错误原因和建议处理方式。常见情况包括：

• 文件不存在、超过 20 MB 或类型不受支持
• 文件无法提取有效文本，或包含不受支持的换行格式
• 向量模型繁忙、维度不匹配或单次切片数量超过模型并行度
• Elasticsearch、对象存储或数据处理服务不可用
• 知识库、租户或个人知识库容量已达上限

根据提示修复问题后重新上传；如果问题指向平台服务或存储空间，请联系管理员处理，不要连续重复提交相同文件。

支持的文件格式

知识库上传区域当前支持：

• 文本与结构化数据：.txt、.md、.csv、.json、.xml
• 网页：.html
• PDF 与电子书：.pdf、.epub
• Word：.doc、.docx
• PowerPoint：.pptx
• Excel：.xlsx

文件后缀受支持不代表一定能提取有效内容。例如纯扫描 PDF 可能没有可解析文本，需要先完成 OCR 或使用支持图像内容的处理方式。

知识库总结

建议为每个知识库配置准确且完整的总结描述，这有助于后续智能体在检索时准确选择合适的知识库。

手动生成与编辑总结：

1. 点击知识库名称右侧的“详细内容”按钮，进入知识库概览页面。
2. 在概览页面选择合适的大语言模型（LLM），点击“自动总结”按钮为知识库自动生成内容总结。
3. 可对生成的内容总结进行编辑修改，使其更准确。
4. 最后点击“保存”保存修改。

界面示意见 summary-knowledge-base.png。

自动总结频率：除了手动触发总结，还可以设置定时自动总结，让系统在后台定期重新生成知识库内容总结：

系统会智能判断知识库是否有文档更新，若无新文档变更则跳过本次自动生成，避免不必要的资源消耗。

Chunk 分片管理

文档上传后，系统会将文档拆分为多个 Chunk（分片），每个分片包含一段文本内容并生成对应的向量索引。

查看分片：点击知识库名称进入文档列表 → 点击上方“Chunk 详情”标签页 → 页面顶部列出知识库中所有文档，点击某文档即可查看其分片 → 分片以卡片形式分页展示，包含内容、字符数、来源和相关性评分等信息。

搜索分片：在 Chunk 详情页使用搜索框搜索，系统会同时进行关键词与语义匹配，并按综合相关性展示结果；清空搜索框后返回当前文档的分页列表。

手动管理分片：

界面示意见 chunk_management.png。

向量模型说明

系统中的 Embedding 模型分为两类：

• 文本向量模型（embedding）：用于纯文本文档的向量化，如 BGE、M3E 等
• 多模态向量模型（multi_embedding）：可同时处理文本和图片内容，如 DashScope、Jina 等

创建知识库时选择的向量模型会与该知识库绑定。建议在创建时根据文档类型选择合适的模型，创建后该模型将贯穿知识库的整个生命周期。后端在知识库写入时对文本/多模态向量分别构建 Embedding 适配器（见 model_gateway_service.py），并以embedding/multi_embedding两种 modality 区分向量化行为。

使用知识库

Nexent 支持知识库与智能体绑定。创建智能体时，在工具配置区域的高级设置启用对应的知识库检索工具，并选择关联的知识库。Nexent 原生知识库使用knowledge_base_search工具。

在工具配置弹窗中，可看到已绑定的知识库列表，支持搜索和勾选操作。每个知识库旁边会显示其向量模型信息，帮助确认兼容性。

⚠️ 使用knowledge_base_search工具时，需要事先创建知识库，并确保创建知识库时使用的向量化模型与当前生效的向量化模型一致，否则会导致检索失败或结果不准确。

系统内置的知识库检索、文本解析、图片解析等工具在 tool_labels.py 中有明确定义与标签归类（knowledge_base_search属于检索类，analyze_text_file、analyze_image属于多模态类），便于智能体按能力分组选择。

界面示意见 knowledge-tool1.png 与 knowledge-tool2.png。

知识库管理

查看知识库：知识库页面左侧展示所有已创建的知识库；列表支持按名称搜索、按知识库来源和向量模型筛选。每张知识库卡片展示以下信息：

点击知识库名称可查看全部文档信息；点击“详细内容”进入知识库概览页面查看和编辑内容总结。点击“编辑”可管理知识库的名称、可见用户组及组内权限（界面示意见 knowledge-base-permission.png）。

编辑知识库：

1. 删除知识库：点击知识库名称右侧“删除”按钮，确认删除操作（此操作不可恢复）。
2. 删除或新增文件：在文件列表中点击“删除”按钮可从知识库删除文件；在文件列表下方上传区域可新增文件到知识库。

第三步详解：智能体开发

智能体开发页面由“智能生成”和“配置”面板组成：智能生成负责把自然语言需求转换为配置草稿，配置面板用于手动调整参数；配置完成后，可在配置页面右下角点击“调试”，调出“调试”面板验证实际运行效果。智能体可以组合模型、工具、Skill、知识库和协作 Agent 来完成任务（整体能力范围见 agent-development.md）。

创建智能体

在“智能体开发”的“智能体配置”页签下，点击右上角“新建”创建空白智能体。创建或选择一个可编辑的智能体后，可以在智能生成面板描述需求，也可以直接在配置面板中手动填写。若当前智能体只有只读权限，页面会显示配置内容，但不允许生成或修改。

如果有现成的智能体配置，也可以点击“导入”，使用 JSON 或 ZIP 文件创建智能体（导出/导入、重名处理与依赖检查详见 agents-export.md）。

页面概览示意见 agent-config-overview.png。

配置协作智能体/工具

协作 Agent

协作智能体用于帮助当前智能体完成复杂任务，来源分为两类：

• 内部 Agent：平台已发布的智能体
• 外部 A2A Agent：通过 A2A 协议发现的第三方 Agent

配置步骤：点击“协作 Agent”页签下的加号 → 列表分为“内部 Agent”和“外部 A2A Agent”两个页签 → 在下拉列表中选择要添加的智能体 → 支持选择多个协作智能体 → 可点击 × 取消选择。

外部 A2A Agent 的 URL/Nacos 发现、认证与协议配置详见 a2a-external.md。

界面示意见 set-collaboration.jpg。

选择智能体的工具或技能

智能体可以使用各种工具与技能，如知识库检索、文件解析、图片解析、收发邮件、文件管理等本地工具，也可接入第三方或自行开发的 MCP 工具或技能：

1. 在“选择智能体的工具”页签右侧点击“刷新工具”刷新可用工具列表。
2. 点击“选择工具”或“选择技能”按钮，根据标签分组浏览当前可用的工具或技能清单。
3. 点击 ⚙️ 查看工具或技能描述，并配置参数。
4. 点击即可选中工具或技能；回到“已选择工具/技能”处可执行删除。如果工具有必填参数未配置，选择时会弹出弹窗引导配置；全部必备参数配置完成则直接选中。

💡小贴士：

1. 选择knowledge_base_search工具，启用知识库的检索功能。
2. 选择analyze_text_file工具，启用文档类、文本类文件的解析功能。
3. 选择analyze_image工具，启用图片类文件的解析功能。

📚 内置本地工具能力详见 本地工具概览；技能能力详见 技能管理。

界面示意见 set-tools-1.png 与 set-tools-2.png。

添加 MCP 工具

在“选择智能体的工具”页签中点击“MCP 配置”，可以接入远程 MCP、容器化 MCP，或将已有 API 转换为 MCP 工具。三种接入方式、OpenAPI 要求、服务管理和工具测试详见 mcp.md。

向工具透传用户信息（工具侧鉴权）

对于 MCP 工具，只有工具声明了约定字段，平台才会注入当前调用者的用户信息；外部 A2A Agent 则通过metadata.user_context接收同一份可信身份快照。

平台边界：平台本身不对工具侧做鉴权，只透传认证会话中的用户身份；鉴权由工具自行完成。

声明方式：工具的输入参数 Schema 中定义了以下任意约定字段名，即视为需要该用户信息，平台会在调用时自动以当前用户的值填充：

示例：某数据查询工具需要按调用者账号和用户组做数据权限控制，在其 inputSchema 中声明user_account与user_groups两个参数即可：

{ "type": "object", "properties": { "query": { "type": "string", "description": "查询内容" }, "user_account": { "type": "string", "description": "调用者账号（平台自动注入）" }, "user_groups": { "type": "array", "items": { "type": "string" }, "description": "调用者所属用户组（平台自动注入）" } } }

💡说明：

• 这些约定字段会从模型可见的工具签名和工具上下文说明中移除：模型不知道它们的存在、不会为其填值，注入值只来自当前登录会话，无法被伪造。
• 未声明的约定字段不会注入，不影响工具的既有参数。
• 外部 A2A Agent 从metadata.user_context接收可信身份；普通对话 metadata 中的同名字段会被忽略。

自定义工具

可参考以下文档开发自己的工具并接入 Nexent：

• LangChain 工具指南
• MCP 工具开发
• SDK 工具文档

创建或导入技能

在智能体的高级配置中切换到“选择技能”页签，点击“构建技能”，可以通过对话创建 Skill，也可以上传.md或.zip文件。创建完成后，需要选择该 Skill 并保存智能体配置，智能体才能使用它。文件格式、SKILL.md结构、上传限制详见 skills.md；查看、编辑、权限和删除详见 技能管理。

工具测试

无论是什么类型的工具（内置工具、外部接入的 MCP 工具，还是自定义开发工具），都可以使用“工具测试”功能验证其是否按预期工作：

1. 点击工具的小齿轮按钮 ⚙️，进入工具的详细配置弹窗。
2. 首先确保已经配置了工具的必备参数（带红色星号的参数）。
3. 点击弹窗左下角“工具测试”按钮，右侧会弹出测试框。
4. 输入测试工具的入参，例如测试本地知识库检索工具knowledge_base_search：
   • 测试的query，例如“维生素C的功效”
   • 检索的模式search_mode（默认为hybrid）
   • 目标检索的知识库列表index_names，如["医疗", "维生素知识大全"]
   • 若不输入index_names，则默认检索知识库页面所选中的全部知识库
   • 是否启用重排模型（默认为false），启用后配置重排模型，实现对检索结果的重排优化
5. 输入完成后点击“执行测试”开始测试，并在下方查看测试结果。

界面示意见 tool-test-run-1.png。

描述业务逻辑

在“智能生成”面板中直接描述业务目标、使用对象、输入输出和限制条件。系统既可以生成完整配置，也可以只优化指定字段或资源。

首次生成完整配置：

1. 描述需求：说明智能体要解决的问题，例如“创建一个面向售后人员的产品问答助手，优先使用内部知识库，回答时给出来源”。
2. 澄清需求：系统在信息不足时显示问题卡片。选择合适的选项，也可以在“其他”中补充说明后提交。
3. 应用草稿：系统生成智能体描述、职责提示词、约束提示词、示例、开场白和示例问题后，点击“应用到草稿”，再在配置面板中检查结果。

生成或资源绑定进行中时，配置表单会暂时锁定，避免人工编辑与生成结果互相覆盖。如生成异常或不想继续等待，可点击“解除锁定”；该操作会停止当前生成，再恢复手动编辑。

对已有配置，可以使用智能生成面板中的快捷操作进行局部优化：

智能生成会根据本轮要求执行最小范围的修改，不会自动重新生成整套配置。如果新增或替换资源，系统会同步更新与该资源相关的提示词；如需移除工具或 Skill，请在右侧配置面板的“工具与技能”区域操作。

界面示意见 nl2agent-requirement.png。

智能体基础信息配置

配置面板的“基本设置”包含五个可折叠区域：

智能体变量名只能包含字母、数字和下划线，且必须以字母或下划线开头。建议使用能体现用途的英文名称，例如code_assistant或data_analyst。

如果智能体原先配置的模型已被删除，配置面板顶部会显示“智能体不可用：部分已配置的模型已删除”。点击提示中的“刷新”可以重新检查可用状态；随后需要在“模型与提示词”区域选择可用模型并保存配置。刷新只更新状态，不会恢复已删除的模型。

“允许会话 Metadata”默认关闭。开启后，使用者可以在开始问答页面为每个会话填写 JSON 对象，把业务标识、渠道或其他运行参数传给模型。Metadata 对模型可见，大小不能超过 64 KiB；不要在其中填写密码、访问令牌或其他敏感信息。

界面示意见 agent-basic-setting.png。

高级设置

“高级设置”页签用于配置智能体与其他资源之间的关系：

知识库和协作智能体必须在当前账号的可访问范围内。导入或复制智能体后，应重新检查这些关联资源，因为其他环境中的资源标识和权限不会自动迁移。

界面示意见 agent-advanced-setting.png。

安全护栏：使用按顺序执行的正则表达式规则，检查发送给模型的内容以及工具调用过程中的数据。安全护栏默认关闭，且不依赖“自验证”开关；需要单独打开“规则列表”旁的开关，并至少配置一条有效规则。规则按列表顺序匹配，同一段内容以首个命中的规则为准。

每条规则包含以下配置：

不同严重级别在各检查位置的实际行为：

安全护栏还提供以下辅助能力：

• 智能生成：选择用于生成的模型，并用自然语言描述要匹配或拦截的内容。系统会自动判断生成单个候选表达式还是多条规则；确认候选或勾选规则后再导入列表。
• 规则管理：支持手动添加、编辑、复制、单条删除和批量删除规则，并显示阻断、脱敏、放行规则的数量分布。
• 正则测试预览：粘贴样本文本后，可以实时查看命中的文本、规则名称和命中次数。预览仅用于验证匹配效果，不会执行阻断或脱敏动作。

⚠️注意：安全护栏是基于正则表达式的内容筛查，不等同于完整的语义安全审核。AI 生成的规则也可能存在误报或漏报；请先在“正则测试预览”中使用正常样本和风险样本进行验证，再保存配置。

界面示意见 safety-fence.png。

调试与保存

配置面板顶部的“草稿”表示当前修改尚未形成正式发布版本。完成初步配置后：

1. 点击“调试”。系统先校验并保存当前草稿，再打开调试面板。
2. 使用具有代表性的问题验证提示词、知识检索、工具调用和协作流程。
3. 根据运行过程和错误提示修改配置，然后再次调试。
4. 点击“发布”。系统再次保存草稿，并打开版本发布窗口。

只有发布成功的主智能体才会出现在“开始问答”等正式使用入口中。调试不会启用记忆检索和写入，因此跨会话记忆效果需要在“开始问答”中验证。

版本管理

Nexent 支持智能体的版本管理，可以在调试过程中保存不同版本的智能体配置。确认配置无误后点击“发布”正式发布智能体；发布后智能体将在 Agent 仓库、开始问答中可见，并可进行历史版本管理。

点击“版本管理”栏目右下角的版本对比按钮，可以回顾历史版本的信息，并与最新版本的问答效果进行对比（界面示意见 version_management_1.png）。若需回滚到其他版本，可在版本右侧的菜单中点击“回滚”（界面示意见 version_management_2.png）。

发布为 A2A Agent：发布版本时勾选“发布为 A2A Agent”，可以让外部系统通过 REST 或 JSON-RPC 协议发现并调用该智能体。发布步骤、调用信息、认证和版本更新方法详见 a2a-publish.md。如果需要通过普通北向 RESTful API 开放智能体，请参阅 agents-publish.md 与 northbound-api.md。

管理智能体清单

点击“选择智能体”，可浏览当前环境中可以编辑的完整智能体清单，并可在搜索框中搜索。智能体条目右侧的图标按钮代表可以执行的管理操作（界面示意见 agent-list.png）：

• 复制：创建完全一致的 Agent 克隆体，便于多版本备份或并行测试。
• 查看调用关系：以树状图形式查看智能体使用的协作智能体/工具，明晰调用关系（界面示意见 agent-relationship.png）。
• 导出：将调试成功的智能体导出为 JSON 或 ZIP 文件，并在其他环境中重新导入（格式选择、依赖处理和导入限制详见 agents-export.md）。
• 删除：从本地环境中彻底删除智能体。

快速配置的完整闭环

回到快速配置的主线，三步之间是强依赖关系：模型管理先保证系统拥有可用的推理与向量化能力（大语言模型负责总结与生成、向量模型负责知识库向量化、重排模型提升检索排序质量）；知识库配置在此基础上把私有文档转化为可检索的分片与向量索引；智能体开发最后把模型、knowledge_base_search等工具、协作 Agent 与业务提示词组装成可发布的产品。

验证闭环的方式非常直接：在智能体配置面板用“工具测试”跑一次knowledge_base_search检索，确认返回命中；再用“调试”面板以代表性提问走通一次完整问答；最终发布后到“开始问答”页面做端到端验收。至此，一次完整的快速配置旅程即告完成。

• AI Agent
• AI 应用
• 后端
• 前端
• 大模型
• RAG