一、Why ModelEngine Nexent

随着大语言模型（LLM）的火热，越来越多的开发者希望构建自己的智能体（Agent）应用，比如新闻助手、办公助理、知识问答系统等。但从零开始开发一个AI应用往往需要配置环境、管理API、写后端逻辑，繁琐又容易出错。

而Nexent的出现，让这一切变得简单而优雅。它是一个基于 Harness Engineering 原则打造的零代码智能体自动生成平台。集统一工具、技能、记忆和编排能力于一体，内置约束机制、反馈循环和控制平面。无需编排，无需复杂的拖拉拽操作，使用纯语言开发你想要的任何智能体。

一句话总结：

Nexent让AI开发不再是程序员的特权，而是一场人人都能参与的创作。

二、Why 新闻小助手

在如今的“信息爆炸时代”，每天都有成千上万条新闻产生。

但我们要么被冗长的报道困扰，要么被碎片化的内容淹没。

比如想知道“财政部今天有什么新政策”、“最近国际局势如何”，往往要打开多个新闻网站、人工筛选、再做笔记整理——既耗时又低效。

于是，我萌生了一个想法：

做一个“会看新闻、会总结新闻”的AI助手。

它应该具备以下能力：

1.能实时联网，抓取最新资讯；

2.能自动筛选出最相关的信息；

3.能提炼重点、生成摘要；

4.能提供权威来源与时间标注；

5.与用户对话，就像在和一个“懂新闻的朋友”交流。

于是，这个“联网新闻小助手”便在Nexent中诞生了。

三、How to do?

3.1 快速配置

进入ModelEngine官网首页，选择左边的快速配置，在模型配置中填上应用的基本信息。

关键的是后面的添加模型，点击添加模型，我这里用的是阿里云百炼，大家也可以用自己的API。

大语言模型选择qwen-max，url:https://dashscope.aliyuncs.com/compatible-mode/v1，API-Key就是刚才申请的。

 

点击验证能通过就是正确的能用的，再添加一个embedding模型：

我们添加的是text-embedding-v4,urlhttps://dashscope.aliyuncs.com/compatible-mode/v1/embeddings

最后是一个视觉模型：选择qwen-vl-plus，url和API-Key和上面大模型的是一样的：

准备工作完成之后，下面就开始智能体的创建啦！

3.2 智能体创建

选择上我们刚刚创建的模型，点击下一步，再点击下一步：

现在我们需要去创建一个智能体！

我们填写上智能体的一些关键的信息，比如名称：

为了让新闻小助手回答更精准，我们需要在智能体角色设计一个专业的提示词（Prompt）。

不会写？没关系，ModelEngine Nexent官方)可以一键帮你生成并优化Prompt，非常方便！

得到优化之后的提示词如下：

### 示例1：查询最新的科技新闻

**用户输入：** 请告诉我最近的科技新闻。

 

**思考：** 我需要使用tavily_search工具来查找最近的科技新闻。

代码：

```<RUN>

search_results = tavily_search(query="最近的科技新闻")

print(search_results)

```<END_CODE>

观察结果：最近的科技新闻包括... 

 

**思考：** 我已经获得了相关的搜索结果，现在我将生成最终回答。

最近的科技新闻包括...

 

---

 

### 示例2：查询某个历史事件的详细信息

**用户输入：** 请提供关于二战结束的详细信息。

 

**思考：** 我需要使用tavily_search工具来查找关于二战结束的详细信息。

代码：

```<RUN>

search_results = tavily_search(query="二战结束的详细信息")

print(search_results)

```<END_CODE>

观察结果：二战结束的详细信息包括... 

 

**思考：** 我已经获得了相关的搜索结果，现在我将生成最终回答。

二战结束的详细信息包括...

 

---

 

### 示例3：查询某个城市的旅游景点

**用户输入：** 请告诉我北京有哪些著名的旅游景点。

 

**思考：** 我需要使用tavily_search工具来查找北京的著名旅游景点。

代码：

```<RUN>

search_results = tavily_search(query="北京 著名 旅游景点")

print(search_results)

```<END_CODE>

观察结果：北京的著名旅游景点包括... 

 

**思考：** 我已经获得了相关的搜索结果，现在我将生成最终回答。

北京的著名旅游景点包括...

 

---

 

### 示例4：查询某种疾病的症状和治疗方法

**用户输入：** 请告诉我感冒的症状和治疗方法。

 

**思考：** 我需要使用tavily_search工具来查找感冒的症状和治疗方法。

代码：

```<RUN>

search_results = tavily_search(query="感冒 症状 治疗方法")

print(search_results)

```<END_CODE>

观察结果：感冒的症状和治疗方法包括... 

 

**思考：** 我已经获得了相关的搜索结果，现在我将生成最终回答。

感冒的症状和治疗方法包括...

 

---

 

### 示例5：查询某个产品的用户评价

**用户输入：** 请告诉我iPhone 13的用户评价。

 

**思考：** 我需要使用tavily_search工具来查找iPhone 13的用户评价。

代码：

```<RUN>

search_results = tavily_search(query="iPhone 13 用户评价")

print(search_results)

```<END_CODE>

观察结果：iPhone 13的用户评价包括... 

 

**思考：** 我已经获得了相关的搜索结果，现在我将生成最终回答。

iPhone 13的用户评价包括...

这段Prompt足够系统、专业、易于扩展，既能控制语气，又能提高新闻回答的完整性和可信度。

输入到模型的角色设定中，这样我们的AI新闻助手就初步实现啦！

3.3 配置联网功能

新闻助手要“懂新闻”，就必须“能上网”。我们为智能体添加联网搜索的工具，这里我们使用trvily_search工具，对应的API Key可以在trvily_search这里获取到，我们把申请到的API Key填入即可

现在智能体就有搜索能力啦！我们可以测试一下：关于黄金的最新新闻有哪些？

在调用关系中也能看到智能体能够调用对应的工具

3.3 快速测试：

配置完成后，快速测试一下是否联网成功。

比如输入测试Query：

2026.3.30关于黄金涨停的新闻有哪些

系统立刻返回多条最新新闻，内容和时间都准确，说明联网功能正常！

 

返回的结果中，新闻时间、主题、内容摘要都非常准确，说明整个工作流已经顺利跑通。

3.5 发布Agent

点击发布Agent，给版本取个号，就叫新闻小助手2.0

发布成功后，我们可以在智能体空间看到我们刚刚发布的智能体。

3.5 在线体验

接下来就是最激动人心的环节——实际使用！

我们点击对话”，进入聊天界面：

尝试输入问题：

2026年3月财政方面有哪些重要的新闻？

可以看到系统实时联网搜索并总结输出，继续追问：

 

新闻来源真实、时效准确，完全具备实用价值。

 

四、总结

短短几十分钟，就能在ModelEngine Nexent上搭建一个联网、可交互、自动总结的新闻助手。

整个过程无需写一行代码，从设计、测试到上线都可以在浏览器中完成。

体验亮点总结：

✅ 低门槛：零代码上手，逻辑清晰；

✅ 强功能：联网搜索 + Prompt优化 + 智能总结；

✅ 真可用：返回结果真实权威；

✅ 快发布：一键上线，生成访问链接与API。

ModelEngine Nexent不仅让AI开发更简单，更让“个人智能体时代”成为现实。

而这次的新闻小助手，只是我在这个平台上做的第一个作品。

未来，我还计划基于它构建更多类型的智能体，比如：

·实时财经分析助手

·学术论文追踪助手

·医疗资讯聚合Agent

在Nexent里，每个人都能用最简单的方式，做出最强大的AI应用。