← 返回首页
🟩

NOOA

NVIDIA Labs

NVIDIA 开源的「面向对象智能体」框架(Object-Oriented Agents)

开源 框架 免费 Python 研究预览
B
极简高效的开源 Agent 框架
⭐⭐⭐⭐

📖 产品简介

NOOA(NVIDIA Object-Oriented Agents)是 NVIDIA Labs 于 2026 年 7 月 27 日开源的 Python Agent 框架,与该公司牵头的 37 家成员「Open Secure AI Alliance」同期发布,论文编号 arXiv 2607.20709。

它的主张只有一句话:一个 Agent 就是一个普通的 Python 对象。字段保存状态,方法暴露能力,docstring 充当提示词,类型注解定义模型必须返回的结构。关键分野在方法体——方法体写成 `...` 的会在运行时交给 LLM 驱动的循环补全,写成正常 Python 的则确定性执行并可被模型当作工具调用。由此,提示词模板、工具 schema、回调图与 YAML 配置被折叠进同一个类,开发者与模型共用同一套对象接口,Agent 行为可以像普通 Python 类一样做单元测试、追踪、重构与版本管理。框架内置两种策略:PredictStrategy 发起单次带类型约束的 LLM 调用并在校验失败时本地重试;CodeActStrategy 则是迭代式 Python REPL,模型反复调用 execute_python(...) 直到 return_result(...) 并按返回注解校验。真正吃重的设计是「按引用传参」——参数以活的 Python 对象送达,模型只看到带具体类型、真实长度与首尾样本的有界预览(NVIDIA 称一个百元素列表约渲染 30 个 Token),完整变量仍存活在 REPL 中;上下文被拆成可缓存静态前缀、仅追加的类型化事件历史与动态尾块,以保住跨轮 KV-cache 复用。另有可选的 MemoryManager,无需改动 Agent 类即可挂载,记录存在本地 SQLite(带向量索引),支持 Agent 主动查询与 BeforeTurn 钩子自动召回,记录之间以「支持/矛盾/派生自」等类型化关系连成知识图谱,后台反思机制负责合并去重与提炼。需要特别注意的是:NOOA 会执行 LLM 生成的 Python 代码,官方明确其 AST 检查与模块拒绝清单属于纵深防御、不是隔离边界,生产部署必须外加容器、虚拟机或 NVIDIA OpenShell 级别的操作系统隔离。PyPI 上当前为 v0.0.8 alpha 研究预览,要求 Python 3.12–3.13。

定位
NVIDIA 开源的「面向对象智能体」框架(Object-Oriented Agents)
适合人群
Agent 框架研究者 自建 Agent 平台的工程团队 关注 Token 成本的重度使用方 需要可测试可追溯 Agent 逻辑的场景
支持平台
Windows、macOS、Linux
开源
是 · GitHub

核心功能

  • 🧱 Agent 即一个 Python 类:方法为动作、字段为状态、docstring 为提示词、类型注解为运行时契约
  • ✂️ 一行语法切换边界:方法体写 `...` 交给 LLM 循环补全,写正常代码则确定性执行
  • 📦 按引用传参:模型只看有界预览(百元素列表约 30 Token),完整对象活在 REPL 中
  • 🗄️ 可选长期记忆:本地 SQLite + 向量索引,类型化关系构成知识图谱,后台反思合并去重
  • 🔀 两种执行策略:PredictStrategy 单次类型化调用带重试;CodeActStrategy 迭代式 Python REPL
  • 🔌 模型无关:经 LiteLLM 接入各家模型,pip install nooa 即可开始

⚖️ 优缺点分析

👍 优点

  • 基准成绩硬:SWE-bench Verified 82.2%(GPT-5.5,253 行通用 Agent,无针对性提示词)
  • Token 效率突出:约 1.1M Token / 29 次调用达成,对照 Harness 需 2.2M Token 才到 78.2%
  • Terminal-Bench 2.0 73.0%、CyberGym L1 86.8%(断网条件+作弊检测)、ARC-AGI-3 85.1% RHAE
  • Agent 逻辑集中在一个类里,可单元测试、可追踪、可版本管理,无需在提示词模板间考古
  • Apache-2.0 开源、模型无关、pip 一键安装,研究与自建平台友好

👎 缺点

  • 官方明确不是沙箱:会执行 LLM 生成的 Python,必须外加容器/虚拟机隔离,安全责任在使用者
  • PyPI 标注为 alpha、官方称研究预览(v0.0.8),不建议直接用于受监管的生产环境
  • 生态与文档仍处早期,社区规模远小于成熟 Harness
  • 抽象偏「Python 原生」,与 LangGraph 式图编排的既有工程习惯差异较大
  • 基准优势集中在有程序化判定的任务,能否迁移到无明确 oracle 的业务场景待验证

📊 评分详情

功能完整
8
易用程度
7.5
安全可靠
5.5
性价比
9

💬 用户评价

把 Agent 收敛成一个能测试、能追踪、能版本管理的 Python 类,再用按引用传参把 Token 砍掉一半——工程审美上很干净,但别忘了它明说自己不是沙箱。

📝 更新日志

  • 2026-07-30
    v0.0.8(PyPI 研究预览)
    **PyPI 发布 v0.0.8(Jul 30)**——Apache-2.0 许可,要求 Python 3.12–3.13,定位为 alpha 阶段研究预览;`pip install nooa` 即可安装。README 明确安全告示:AST 检查与模块拒绝清单是纵深防御而非隔离边界,运行 NOOA Agent 必须放在容器、虚拟机或 NVIDIA OpenShell 中
  • 2026-07-27
    开源发布
    **NVIDIA Labs 开源 NOOA(Jul 27)**——与 37 家成员的 Open Secure AI Alliance 同期发布,论文 arXiv 2607.20709。核心主张:Agent 就是一个 Python 类,方法即动作、字段即状态、docstring 即提示词、类型注解即运行时强制契约;方法体写 `...` 由 LLM 驱动循环补全,写正常代码则确定性执行。内置 PredictStrategy 与 CodeActStrategy 两种策略;按引用传参让大对象只以有界预览进入上下文;上下文拆为可缓存静态前缀 + 仅追加类型化事件历史 + 动态尾块以复用 KV-cache;可选 MemoryManager 以 SQLite + 向量索引存储类型化记忆图谱。基准:SWE-bench Verified 82.2%(GPT-5.5,253 行 Agent,约 1.1M Token / 29 次调用,对照 Harness 2.2M Token 仅 78.2%、1.3M Token 78.6%)、Terminal-Bench 2.0 73.0%(对照 OpenCode 60.7%)、CyberGym L1 86.8%(断网 + 规则化作弊检测)、ARC-AGI-3 单 Agent 平均 RHAE 50.2%(GPT-5.5)/ 85.1%(GPT-5.6-sol,约 $13.3 每局);记忆模块相比文件笔记在 ARC-AGI-3 上提升 11.8 个 RHAE 百分点