NVIDIA NOOA

NVIDIA NOOA（NVIDIA Object-Oriented Agents）是 NVIDIA Labs 开源的 Python 智能体框架，把整个 agent 的构建折叠进单一类里。大多数框架里，一个 agent 被拆散在提示词模板、工具 schema、回调代码和流程图中；NOOA 把它们放到一个 Python 对象里：方法即模型可执行的动作，字段即状态，docstring 即提示词，类型注解即运行时强制的契约。方法体是省略号的，由 LLM 循环在运行时完成；方法体是正常代码的，则保持确定性的 Python。因此开发者和模型共享同一接口，agent 行为可以像普通软件一样被测试、追踪、重构和版本控制。

核心功能

• 一个类，一个 agent：整个 agent 住在 Python 类里，而不是散落的配置文件，读起来就像普通代码。
• 模型无关：通过 LiteLLM 支持任意模型，包括托管 API、Ollama 和 vLLM。
• 天然省 token：参数以活 Python 对象传入，模型只看到有界的预览，一个百元素列表只渲染约三十个 token，而完整变量留在 REPL 里。
• 按引用传值：大数据留在 REPL，NVIDIA 称这让 SWE-bench 上无需做上下文压缩。
• Apache 2.0 且可 pip 安装：pip install nooa，需 Python 3.12-3.13，2026 年 7 月 30 日以 v0.0.8 alpha 发布。

基准表现

NVIDIA 报告 SWE-bench Verified 82.2%、CyberGym L1 86.8%、ARC-AGI-3 平均 RHAE 85.1%，token 消耗约为所对比开放 harness 的一半。用 GPT-5.5 时，每次任务约 1.1M token、28 次模型调用，而同行是 2.2M、66 次。请视为厂商数字：目前还没有在匹配任务、匹配模型下与 LangGraph 或 AutoGen 的独立正面对比。

适用场景

• 在多层智能体脚手架上烧钱的前沿推理团队：效率优势是核心卖点。
• 以类和方法思考、想要可单测可重构 agent 的开发者。
• 做编码 agent 原型、希望仓库上下文保持鲜活而非被压缩掉的场景。
• 安全敏感的实验室：愿意在容器、VM 或 NVIDIA OpenShell 内运行生成的代码。

解决的问题

1. 散乱：不再需要在提示词文件、工具 schema、回调和流程图之间来回切换。
2. token 成本：有界参数预览 + 按引用传值让上下文保持小体积。
3. 可测试性：agent 逻辑就是普通 Python，标准工具链即可使用。

定价方案

NOOA 免费且开源。

重要提醒

NOOA 是 v0.0.8，PyPI 标记为 alpha，属于 NVIDIA Labs 的研究预览而非生产级框架。更关键的是，AST 检查与模块拒绝清单只是纵深防御，不是隔离边界。真正的边界是容器、VM 或 NVIDIA OpenShell，请勿直接在宿主机器上运行生成的代码。

快速开始

1. 在 Python 3.12-3.13 环境执行 pip install nooa。
2. 用类定义你的 agent：方法做动作、字段做状态、docstring 做提示词。
3. 把 LiteLLM 指向你选择的模型。
4. 在容器或 VM 内运行，再让它接触任何你关心的东西。

常见问题

支持什么语言？

仅 Python 3.12 到 3.13。

能上生产吗？

不能。目前是 alpha 研究预览，暂勿用于受监管的生产负载。

生成的代码能直接在宿主跑吗？

不能。AST 检查不是边界，请用容器或 VM。

替代方案

• LangGraph：生态更大的持久化图运行时。
• OpenAI Agents SDK：OpenAI 官方的原语。
• Google ADK：多语言 agent SDK。

使用技巧

1. 提交前先在你的任务上跑一个有控制的基准，因为亮眼数字都是厂商自报。
2. 始终隔离执行：文档里最重要的一句便是隔离警告。
3. 把 API 稳定性视为待定，alpha 版本接口随时可能变。

总结

NOOA 是 NVIDIA 的一个主张：agent 就该是普通 Python。它快、省 token、好测试，代价是从 NVIDIA Labs 出来的 alpha 且带严肃的隔离警告。想在一个周末用原型验证当前框架成本，它值得一测。从 GitHub 仓库 或 技术博客 开始。