nexentModelEngine-Group/nexent
为开发者提供一套可落地的多智能体(Multi-Agent)与 Agentic RAG 应用构建框架,把「让大模型自主规划、调用工具、检索知识并协同完成任务」这件事从零散脚本变成可复用的工程结构。…
还没有人评分
我要评分
Stars6k
Forks754
Watchers6k
Open Issues284
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/ModelEngine-Group/nexent.git
Overview功能介绍
核心功能
为开发者提供一套可落地的多智能体(Multi-Agent)与 Agentic RAG 应用构建框架,把「让大模型自主规划、调用工具、检索知识并协同完成任务」这件事从零散脚本变成可复用的工程结构。核心功能要点包括:1.【多智能体协同编排】:支持定义多个具备不同职责的 Agent 并组织其协作流程,让复杂任务被拆分给不同角色并行或串行处理,减少单 Agent 一次性处理全部逻辑的负担;2.【Agentic RAG 检索增强】:将检索增强生成与 Agent 决策结合,由 Agent 自主判断何时检索、检索什么、如何基于检索结果继续推理,提升知识问答类任务的答案可追溯性;3.【MCP 工具接入】:通过 MCP(Model Context Protocol)把外部工具与数据源挂载给 Agent 调用,使 Agent 能真正执行查询、读写等动作而不只是生成文本;4.【Agentic 工作流编排】:以工作流方式串联 Agent、工具与检索步骤,把一次完整任务拆成可观察、可调整的节点链路,便于定位失败环节并迭代;5.【Harness 工程化支撑】:提供面向 Agent 运行的 harness 机制,用于承载 Agent 的执行、约束与评测环节,降低从 Demo 走向可用系统的改造成本。
适用场景
适用职业
AI / 算法工程师、后端开发工程师、全栈 / 独立开发者、数据分析师 / 数据工程师。
Topics主题标签
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 202 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | ModelEngine-Group/nexent |
| 所属分类 | AI 与智能体技能 / 多智能体与 Agent 框架 |
| 主要语言 | Python |
| 开源协议 | MIT License |
| 默认分支 | develop |
| GitHub 仓库 ID | 974157595 |
| 节点 ID | R_kgDOOhB3Gw |
| 榜单排名 | #195 (来源榜单内名次) |
| 全站热度排名 | #237 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前6,025
- 前一日 · 10-23 6,013
- 较前一日 +12
- 共 4 个记录点 跨度 30 天
- 当前754
- 前一日 · 10-23 750
- 较前一日 +4
- 共 4 个记录点 跨度 30 天
Timeline时间线
仓库创建2025-04-28 10:44:332025-04-28
资料最后更新2026-10-26 11:54:1021 天前
最近一次代码推送2026-10-24 07:01:3324 天前
Commit更新记录
由提交人 cj2026-bit 提交,主要更新类型为:问题缺陷修复与稳定性提升。提交说明:🐛 Fix(e2e): resolve the Daily checkout without the cwd and run the AI…。