Nexent 智能体实战:从零创建、调优、调试到发布上线的完整指南
本文解决一个问题:在已经部署好的 Nexent 平台上,如何从零创建一个真正能用的智能体,把它配置好、调试通过、发布上线,并在正式对话里验证效果。
本文不讨论部署,而是聚焦智能体的完整生命周期。全文操作均基于 Nexent 官方 AtomGit 仓库(https://atomgit.com/ModelEngine/nexent)所对应的平台版本实测,所有界面截图均为真实操作画面。
适合谁读:已经完成 Nexent 部署、能正常登录平台,但还没创建过智能体的开发者;以及创建过智能体、却总在「提示词不生效」「发布后找不到」等环节卡住的同学。
读完能得到什么:一条可复用的智能体搭建主线、一份可直接套用的结构化提示词模板、一套参数调优的取值参考,以及一张覆盖 5 类高频问题的排查流程图。
阅读建议:想快速跑通,按一→二→三→四→五→六→八→九的顺序走一遍即可;遇到问题再回查第七节。全文约 15 分钟可读完,动手实操约 30 分钟。
目录
- 一、先明确:一条完整的智能体生命周期
- 二、前置准备:确认模型已经可用
- 三、创建首个智能体
- 四、选择模型并编写提示词
- 五、参数调优:两层参数分别控制
- 六、对话调试:先跑通再发布
- 七、常见问题与排查
- 八、发布与版本管理
- 九、发布后验证:在正式对话中检验效果
- 十、经验小结:让首个智能体少走弯路
- 十一、参考链接
一、先明确:一条完整的智能体生命周期
Nexent 的智能体能力很多,新手一上来容易被【智能体配置、技能、工具、协作智能体、评估、Agent 仓库……】这一长串名词绕晕。这篇文章不贪多,只挑最核心、能串成一条主线的五个环节,覆盖一个智能体从无到有、再到上线的全过程:
- 创建首个智能体——建立载体,填写基础信息;
- 提示词编写——用结构化提示词定义角色、能力与规则;
- 参数调优——分别在模型层和高级设置层调整推理参数;
- 对话调试——在调试视图里真实提问,验证回答是否符合预期;
- 发布与版本管理——发布上线、管理版本,并在正式对话中验证。
图注:上图即本文主线——五个环节按序推进,发布后验证不通过时回到提示词编写或参数调优,形成「配置—调试—发布—验证」的闭环。
这条主线走通之后,技能(Skill)、多智能体协作、效果评测等进阶能力都可以在这个基础上继续叠加,学习曲线会平缓很多。
本节要点:五个环节构成一条闭环主线,其中「提示词编写」和「参数调优」是发布后验证不通过时最常回退的两个位置——记住这一点,后面排查问题时能少走很多弯路。
二、前置准备:确认模型已经可用
智能体的回答质量,首先取决于背后有没有可用的模型。本次平台的模型已经通过 SiliconFlow(硅基流动)批量导入 完成配置,这里先交代清楚,后文不再重复。
在【模型配置页】选择【添加模型 → 批量添加】,服务商选 SiliconFlow,填入 API Key 与 Base URL(https://api.siliconflow.cn/v1/),点【获取模型列表】后,服务商返回了 96 个可用模型,本次按需勾选了其中 4 个:

导入完成后,模型库里这 4 个模型的连通状态全部为「可用」:
| 模型 | 类型 | 在本智能体中的角色 |
|---|---|---|
| BAAI/bge-m3(默认) | 向量模型 | 知识库检索、向量化 |
| deepseek-ai/DeepSeek-V4.1-Flash(默认) | 大语言模型 | 本智能体的主力推理模型 |
| deepseek-ai/DeepSeek-V4-Flash | 大语言模型 | 备选大模型 |
| deepseek-ai/DeepSeek-OCR(默认) | 图片理解模型 | 图片/截图理解 |

主力模型 DeepSeek-V4.1-Flash 上下文窗口约 1.05M tokens,支持文本推理,响应速度快,适合做技术文档这类需要严谨、结构化输出的场景。模型就绪,下面正式开始创建智能体。
模型就绪状态可以用一张图概括,后续所有配置都建立在这四个模型之上:
三、创建首个智能体
3.1 进入智能体配置页
在左侧导航点击【智能体配置】,进入智能体列表页(路径 /zh/agents)。首次进入时页面会展开一段新手教程,可以点击【收起教程】把它收起来,获得更干净的工作区。
初始状态下没有任何智能体。点击创建智能体,弹出创建对话框:

弹窗里有两个关键信息:
- 名称输入框:默认会生成一个【我的智能体xx】之类的名字,可以直接改成你想要的名称;
- 从模板创建:链接到智能体仓库,期望能基于模板快速起步。但实测当前仓库里「暂无可用的智能体模板」,所以本次老老实实从零创建。这也说明:从零走一遍完整流程是绕不开的基本功。
3.2 确定演示载体:技术文档助手
我把这个智能体定位为一个技术文档助手,名称填技术文档助手。它面向研发与技术写作场景,后面所有提示词、参数都会围绕这个定位来配置。
点击创建后进入智能体编辑器,首先会弹出一个 4 步的新手引导(Onboarding),依次介绍智能对话配置、调试、发布等环节:
第一次看建议跟着走一遍了解全貌;想直接动手可以点全部跳过。跳过后就是完整的配置工作区,我这里已经跳过了。

3.3 编辑器结构与基础信息
编辑器顶部能看到几个关键状态和入口:
- 智能体名称、自动保存状态(编辑内容会自动保存,无需手动)、当前状态未上线;
- 三个开发步骤标签:智能体配置 / 智能体调试 / 智能体发布;
- 版本管理,智能生成和蓝色的发布按钮。
配置区从上到下依次是:基础信息、模型与提示词、知识库管理、技能管理、工具管理、协作智能体管理、开场白与示例问题、权限设置、高级设置。
在基础信息区填写的内容如下:
| 字段 | 填写内容 |
|---|---|
| 智能体名称 | 技术文档助手 |
| 智能体变量名 | tech_doc_assistant |
| 智能体描述 | 面向研发与技术写作场景的智能助手,擅长技术文档的结构化梳理、要点提炼、技术概念解释与多语言翻译,回答严谨、条理清晰。 |
变量名是智能体在系统内部被引用时的标识,建议用小写英文加下划线,做到见名知意;描述虽然不长,但会影响后续在「发现智能体」等页面里的展示,建议一句话讲清楚它能干什么。
整个编辑器的配置区结构可以这样理解,从上到下依次是九个区块:
四、选择模型并编写提示词
4.1 选择主力模型
在【模型与提示词】区的【模型选择】卡片上,点击添加模型,选择前面已确认可用的 deepseek-ai/DeepSeek-V4.1-Flash:

模型卡片上会显示模型名、上下文大小(1.05M)和文本推理标识。卡片右侧还有设置、删除等小图标,其中设置图标用于打开模型参数覆盖,下一节调参会用到。
4.2 提示词:智能体的灵魂
如果说模型决定了智商上限,那么提示词决定了这个智能体以什么身份、按什么规则做事。我没有写一大段自然语言,而是用 Markdown 把提示词组织成清晰的四段结构——这是让大模型稳定输出的关键技巧:
- 角色:明确它是谁、服务谁、擅长什么;
- 核心能力:用编号列出几项具体能力,边界清晰;
- 工作规则:把输出要求(列表、表格、代码块、不编造、语气)写成可执行的规则;
- 输出格式:约定 Markdown、结论先行等格式约束。
完整提示词如下(实际写入编辑器,共 467 字):
# 角色
你是一名资深技术文档工程师,长期服务于研发团队,擅长把复杂的技术概念、接口文档和实现细节转化为清晰、准确、可执行的技术文档。
# 核心能力
1. 技术概念解释:用通俗语言解释专业术语,必要时给出类比和最小示例。
2. 文档结构化梳理:将零散信息整理为“背景—概念—步骤—示例—注意事项”的结构。
3. 要点提炼:从长文档中提取关键结论、参数与风险点,输出摘要。
4. 多语言翻译:在中英文之间准确翻译技术内容,保留专有名词与代码片段不译。
# 工作规则
- 先判断用户意图(解释、梳理、提炼、翻译还是写作),再组织回答。
- 涉及步骤时使用编号列表,每步只讲一个动作;涉及参数时用表格列出名称、类型、含义与默认值。
- 信息不足时主动列出需要补充的问题,不要编造接口、参数或数据。
- 代码与命令使用代码块并标注语言;命令需可直接执行。
- 回答保持客观、简洁,不使用夸张营销用语,不输出与任务无关的内容。
# 输出格式
默认使用 Markdown;技术文档类回答遵循“结论先行、细节在后”,结尾可附“注意事项”小节。

写提示词时编辑器右下角会实时统计字数(图中为 467/100000)。旁边还有一个一键优化按钮,可以让平台基于当前内容自动润色提示词;新手可以用它寻找灵感,但建议先自己写出结构化骨架,再把优化结果作为参考,而不是完全交给一键生成,否则容易丢掉自己想要的具体规则。
五、参数调优:两层参数分别控制
Nexent 的参数分散在两个地方,分别对应【单次推理表现】和【整体运行行为】,新手容易只调一个、漏掉另一个。
5.1 模型参数覆盖:控制这次推理
在模型卡片上点设置图标,弹出【模型参数覆盖】对话框,标题标明当前针对的是 DeepSeek-V4.1-Flash,顶部有一句重要提示:留空表示继承模型默认值。


各字段含义与本次调整如下:
| 参数 | 调整前 | 调整后 | 调整理由 |
|---|---|---|---|
| 上下文总 Token 数 | 1048576 | 1048576(保留) | 1M 上下文足够,保持默认 |
| 最大输入 Token 数 | 空 | 空(保留) | 继承默认值 |
| 最大输出 Token 数 | 1048576 | 8192 | 技术文档回答不需要上百万 token,限制输出以控制预算、避免冗长 |
| 输出预留 Token 数 | 空 | 空(保留) | 继承默认值 |
| 温度(Temperature) | 0 | 0.3 | 低温让输出更确定、严谨,减少发散,适合文档类场景 |
温度是最值得理解的参数:温度越低,回答越稳定、保守;温度越高,回答越发散、有创造性。技术文档要求准确、可复现,所以取一个较低的 0.3;如果是写文案、头脑风暴,则可以适当调高到 0.7 以上。
调整后点确定保存,弹窗关闭,模型卡片上的配置即被覆盖:

5.2 高级设置:控制整体运行行为
把配置区往下拉到高级设置,这里控制的是智能体作为一个整体的运行行为,而不是单次推理:

本次的关键设置:
- 最大运行步数:15——限制智能体在一次任务中最多规划 / 执行多少步,防止陷入无限循环;
- 运行输出预留:4096 tokens——为运行过程的输出预留 Token 空间;
- 一组开关:提供运行摘要、允许对话 Metadata、开启自验证、严格输出协议与静默修复、设置为主智能体、启用 A2A。
其中静默修复、设置为主智能体默认就是勾选状态。简单理解:静默修复让平台在出现可恢复的小问题时自动修正而不中断;设置为主智能体意味着它是一个可独立对外服务的主智能体,而不是被其他智能体调用的从属角色。初次使用保持默认即可,等需要多智能体协作时再调整。
5.3 参数速查表
把本文涉及的可调参数汇总成一张表,方便对照取值。表中本文取值即技术文档助手这套配置的实际设置,换场景时按适用场景建议和调高/调低的影响两列调整即可。
| 参数名 | 所属层级 | 本文取值 | 适用场景建议 | 调高 / 调低的影响 |
|---|---|---|---|---|
| 上下文总 Token 数 | 模型参数覆盖 | 1048576(保留默认) | 长文档、多轮对话、需要塞入大量参考资料时保持较大值 | 调高可容纳更长输入,但显存/成本上升;调低可省资源,但长文本会被截断 |
| 最大输出 Token 数 | 模型参数覆盖 | 8192 | 技术文档、问答等回答长度可控的场景;需要长文生成时再放宽 | 调高回答更完整但更冗长、成本更高;调低回答更精炼,过低会被截断 |
| 温度(Temperature) | 模型参数覆盖 | 0.3 | 文档、代码、问答等要求准确可复现的场景取 0.2–0.4;文案、头脑风暴取 0.7 以上 | 调高回答更发散、更有创造性但稳定性下降;调低更确定、更保守但可能呆板 |
| 最大运行步数 | 高级设置 | 15 | 单轮任务为主、工具调用不多的场景取 10–15;复杂多步任务可适当放宽 | 调高允许更复杂的规划执行,但耗时与成本上升、有死循环风险;调低更快更省,但复杂任务可能中途终止 |
| 运行输出预留 | 高级设置 | 4096 tokens | 需要保留中间推理与工具调用输出的场景;简单问答可适当降低 | 调高为运行过程留出更多空间,但挤占可用上下文;调低节省 Token,过低可能导致运行输出被截断 |
提示:模型参数覆盖里的字段留空即继承模型默认值,不确定时先留空跑通,再按上表逐项微调;高级设置则建议初次保持默认,等出现具体问题(如任务跑不完、输出被截断)再针对性调整。
本节要点:模型参数覆盖管「这一次推理怎么答」(温度、输出 Token),高级设置管「整个智能体怎么跑」(步数、预留、开关)。调参前先想清楚要解决的是哪一类问题,再决定去哪个面板改。
两层参数的分工可以用一张图看清,调参前先判断问题属于哪一层:
六、对话调试:先跑通再发布
配置完成后不要急着发布,先在调试视图里验证它真的能按预期回答。点击顶部的智能体调试标签,切换到调试界面:

6.1 调试界面的构成
调试视图分为左右两部分:
- 左侧:当前配置的精简摘要,包括所选模型、提示词等,方便边对照边测;
- 右侧:一个手机样式的聊天卡片,包含执行模式下拉、附件/麦克风/发送按钮,以及底部的内容由 AI 生成,无法确保准确性和完整性,仅供参考声明。
「执行模式」可以切换不同的运行方式,初次调试使用默认模式即可。
6.2 真实提问并验证
我在输入框里提了一个能同时检验【概念解释 + 类比 + 最小示例】三项能力的问题:
请用通俗的语言解释一下什么是 MCP(模型上下文协议),并给出一个最小的使用场景。
发送后等待约十秒,智能体返回了完整回答,状态显示 success / 已完成。回答严格遵守了提示词里的规则:
- 结论先行:开头先给一句话定义,再展开细节;
- 使用类比:把 MCP 比作 AI 世界的 USB-C 接口 / 通用插座标准,用以前每个电器配一种专用插头,现在统一插座解释 N×M 的对接难题;
- 结构完整:按背景—核心概念—最小使用场景—注意事项组织,参数用表格、代码用代码块。
6.3 调试应该看什么
调试不是看有没有回答,而是对照提示词逐条检查:
- 角色对不对:回答语气是否像一个技术文档工程师,而不是闲聊助手;
- 规则守没守:该用列表/表格/代码块的地方有没有用,有没有编造信息;
- 格式对不对:是否结论先行、是否 Markdown;
- 参数合不合理:温度 0.3 下回答是否稳定、有没有明显跑题。
如果发现回答不符合预期,回到智能体配置改提示词或参数,再回来重新提问,如此迭代,直到稳定。这一步把问题在发布前解决,远比上线后再改要稳妥。
本节要点:调试的验收标准不是「有没有回答」,而是「回答是否逐条兑现了提示词里的规则」。建议把提示词里的每条规则列成清单,逐条打勾,全部通过再发布。
调试的迭代过程本质上是一个小闭环,改配置与重新提问交替进行:
七、常见问题与排查
前面六节走的是一切顺利的主线,但真实操作中新手几乎都会在几个固定位置卡住。这一节把最常见的 5 个坑集中列出来,每个都按「现象—原因—解决步骤」三段式说明,最后给一张排查流程图,遇到问题时可以顺着图往下走。
7.1 模型不可用:卡片显示异常或对话直接报错
现象:模型卡片上出现红色感叹号或不可用标记;调试时发送消息后长时间无响应,或直接返回模型调用失败的错误。
原因:模型配置里的 API Key 失效、Base URL 填错、账户余额不足,或者所选模型已被服务商下线;也可能是导入时勾选了模型但连通性检测没通过。
解决步骤:
- 进入【模型配置页】,找到对应模型,点【检测连通性】重新验证一次;
- 核对 API Key 与 Base URL(SiliconFlow 为
https://api.siliconflow.cn/v1/),确认没有多余空格或漏写/v1; - 登录服务商控制台,确认账户余额与模型是否仍在售;
- 若仍不可用,换一个已确认可用的备选模型(如
DeepSeek-V4-Flash)先跑通流程,再回头排查原模型。
7.2 提示词不生效:回答完全不像设定的角色
现象:明明写了你是资深技术文档工程师,回答却像通用闲聊助手;要求的表格、代码块、结论先行全都没有出现。
原因:提示词写在了错误的输入框(例如写进了开场白或示例问题);提示词过长且规则埋在中间,被模型忽略;或者规则本身是模糊的自然语言描述,没有可执行约束。
解决步骤:
- 回到【模型与提示词】区,确认提示词确实写在提示词编辑框内,而不是开场白、描述等字段;
- 用「角色 / 核心能力 / 工作规则 / 输出格式」四段式重排,把最关键的规则放在靠前位置;
- 把「回答要专业」这类模糊表述改成可执行规则,例如「涉及参数时用表格列出名称、类型、含义与默认值」;
- 改完回到调试视图重新提问,逐条对照规则验收。
7.3 温度过高:回答发散、每次都不一样
现象:同一个问题连续问三次,答案结构、措辞差异很大;偶尔跑题、加入与任务无关的发挥。
原因:温度(Temperature)设置过高,模型采样随机性变大;或者根本没有设置,继承了服务商较高的默认值。
解决步骤:
- 打开模型卡片的【模型参数覆盖】,查看温度当前值;
- 文档、代码、问答等需要准确性的场景,把温度调到 0.2–0.4(本文取 0.3);
- 同时检查最大输出 Token 数是否过大,过长输出也容易夹带发散内容;
- 保存后重新调试,用同一个问题连问两三次,确认回答趋于稳定。
7.4 发布后仍找不到智能体
现象:已经点了发布,但进入【智能体对话】(/zh/newchat)的【发现智能体】页面,列表里依然没有它。
原因:发布流程没有真正走完(对话框未确认);当前登录账号与发布账号不是同一个租户;或者页面缓存未刷新。
解决步骤:
- 回到编辑器顶部,确认状态已从未上线变为已上线,并显示当前发布版本;
- 检查发布对话框是否点了最终确认,而不是只填了版本信息就关闭;
- 刷新【发现智能体】页面,或退出重新登录后再看;
- 确认当前账号属于发布该智能体的租户,跨租户是看不到的。
7.5 版本回滚后配置未同步
现象:在版本管理里回滚到旧版本,但编辑器里的提示词、参数看起来还是新的;或者回滚后对话效果与预期版本不一致。
原因:回滚只切换了「对外生效的版本」,编辑器里的草稿配置并不会被覆盖;也可能回滚后没有重新发布,线上仍是旧状态。
解决步骤:
- 打开版本管理抽屉,确认当前标记为生效的版本号是否为目标版本;
- 回滚后刷新编辑器页面,让配置区重新加载;
- 若希望编辑器草稿也回到旧版本,需要手动对照旧版本内容修改,或基于该版本重新发布;
- 回滚后务必在正式对话里再验证一次,确认线上行为与目标版本一致。
7.6 排查流程
遇到问题时,可以按下面的顺序逐层排查,从「模型能不能用」一路走到「线上是不是目标版本」:
图注:排查遵循先模型、再提示词与参数、后发布与版本的顺序,绝大多数新手问题都能在前三层被定位。
八、发布与版本管理
调试通过后,就可以发布上线了。点击编辑器顶部或左侧的「发布」按钮,打开发布对话框:

8.1 填写版本信息
发布对话框包含:
- 版本名称:系统自动生成,形如「技术文档助手-2611101400」,也可自行修改;
- 发布说明:可选,但建议认真填写,说明这个版本做了什么。
我填写的发布说明是:
首个版本:完成角色定位、结构化提示词与模型参数调优,支持技术文档的梳理、解释与翻译。
点击发布确认。稍等片刻发布完成,页面状态发生明显变化:
- 顶部状态从未上线变为 已上线;
- 显示当前发布版本:技术文…… / 共 1 个版本;
- 标签自动切到智能体发布。

8.2 体验与分享
发布页提供了体验与分享区,生成了一个智能体链接(形如 http://117.50.85.161:3000/zh/nev...),并配有体验、分享按钮,底部还有 API 调用和查看说明文档入口。
需要注意页面上的提示:持有链接的用户仍需登录后才能使用此智能体,分享可能消耗当前租户的资源额度。 所以对外分享时要心里有数,避免链接被滥用。
8.3 版本管理:编辑、回滚与删除
点击顶部的版本信息区域,会从右侧滑出版本管理抽屉,列出所有历史版本,底部还有版本对比按钮,可在多个版本之间比较差异:


每个版本右侧有一个三点菜单,点开可以看到版本的三种操作:
- 编辑:修改该版本的信息;
- 回滚:当后续版本出问题时,回退到某个历史版本;
- 删除:删除不需要的版本。
这就是 Nexent 的版本管理思路:每次发布都会沉淀一个可追溯的版本,既能对比差异,也能随时回滚,让智能体的迭代像代码一样可控。随着后续不断修改、重新发布,这个版本列表会越来越长,回滚能力的价值也会越来越明显。
发布与版本管理的整体关系如下,每次发布都会沉淀一个可回滚的版本:
九、发布后验证:在正式对话中检验效果
发布是否真正生效,最直接的判断标准是:它有没有出现在普通用户的对话入口里。这里有一个对比非常直观。
9.1 发布前找不到,发布后能发现
通过左侧导航进入【智能体对话】(路径 /zh/newchat),这是普通用户使用智能体的【发现智能体】页面。
发布之前,这里显示[未找到匹配的智能体 / 总计:0]——因为未上线的智能体不会对用户可见。而在发布之后重新进入,[技术文档助手]已经出现在列表中,总计变为 1:

这也解释了为什么调试通过后一定要执行发布这一步:配置只存在于编辑器里,发布才会让它真正进入可用状态。
9.2 正式对话中的完整回答
点击智能体卡片进入正式对话,再次提出关于 MCP 的问题。这一次是在标准的全宽对话界面里,回答完整、清晰。
对话顶部记录了问题,智能体状态为已完成,并标注了
1 tool call与本次耗时。回答以结论先行开头,把 MCP 定义为让 AI
模型与外部工具、数据源统一对话的开放协议,并使用 AI 世界的 USB-C 接口这一比喻。中间部分用一个标准 Markdown 表格讲清 MCP 的客户端—服务器架构,把 Host、Client、Server
三个角色的职责和类比一一对应,完全遵守了提示词里涉及参数用表格的规则。最小使用场景部分给出了一个具体例子:假设本地有一个 notes,希望 AI 助手能读取笔记并回答问题,并逐步给出 MCP 服务器的
Python 代码,代码统一放在带语言标注的代码块里。回答末尾给出在对话中实际使用的步骤,给出值得关注的地方以及注意事项。

9.3 验证结论
把正式对话的回答和最初的提示词逐条对照,可以确认:角色定位准确、结论先行、表格与代码块规范、信息没有编造、语气客观简洁。提示词里写下的每一条规则,都在真实回答中得到了执行。 这说明一个智能体的成功,靠的是清晰的角色定位 + 结构化提示词 + 合理参数 + 充分调试的组合,而不是单纯把模型调得更贵。
十、经验小结:让首个智能体少走弯路
走完整个流程,沉淀几条可以直接复用的经验:
- 先定位,再动手:动笔写提示词前,先用一句话说清这个智能体服务谁、解决什么问题,所有配置都围绕这个定位。
- 提示词用结构化骨架:角色 / 能力 / 规则 / 输出格式四段式,比一大段自然语言更能让模型稳定输出;一键优化只当参考,不当主力。
- 参数分两层调:模型参数覆盖管单次推理(温度、输出 Token),高级设置管整体运行(步数、预留、开关),别只调一个。
- 温度按场景选:文档、代码、问答等需要准确性的场景用低温(0.2–0.4);创意、文案再调高。
- 先调试后发布:在调试视图里对照提示词逐条验收,把问题消灭在上线之前。
- 版本信息认真填:发布说明和版本号是后续回滚、对比的依据,不要每次都留空。
- 发布是「可见性」的开关:配置不会自动对外,只有发布后智能体才会出现在「发现智能体」和分享链接里。
十一、参考链接
- Nexent 官方 AtomGit 仓库(本文平台能力的代码来源):https://atomgit.com/ModelEngine/nexent
- Nexent 官方文档首页:https://modelengine-group.github.io/nexent
- SiliconFlow 硅基流动(本文模型服务商):https://cloud.siliconflow.cn/i/rsuy5tZS
- 上一篇:在 Linux 服务器上用 Docker 从零部署 Nexent:从环境准备到首次登录验证
更多推荐


所有评论(0)