ARTICLE · 人工智能
NVIDIA AI 发布 NOOA：一种面向对象的 Python 框架，将 AI 智能体转化为单个 Python 类
一语总结NVIDIA 开源了 NOOA，这是一款面向对象的 Python 框架，将 AI 智能体建模为单个类，提示词写在 docstring 中，动作实现为方法，并在与对比框架相比约减半的 token 消耗下实现了强劲基准。
NVIDIA Labs 开源了 NOOA，这是一款模型无关的 Python 框架，将 AI 智能体表示为单个 Python 类，统一了提示词、工具模式、回调以及工作流图。方法定义模型动作，字段保存状态，docstring 用作提示词，运行时强制的类型注解充当合同；... 体的方法由 LLM 循环完成，而普通方法保持为确定性的 Python 工具。发布内容包括两种策略（PredictStrategy 和 CodeActStrategy）、对活跃对象的按引用传递处理、对上下文缓存友好的历史分割，以及可选的基于 ACT‑R 的记忆存储。NVIDIA 报告在 SWE‑bench Verified 上达到 82.2% ，在 CyberGym L1 上为 86.8% ，在 ARC‑AGI‑3 上的平均 RHAE 为 85.1% ，且所用 token 约为对比开放框架的一半。该框架采用 Apache 2.0 许可证，可通过 pip 安装，但仍处于 alpha 阶段；LLM 生成的代码应仅在 OS 级别隔离环境中运行。
- NOOA 将智能体建模为单个 Python 类，统一了提示词、工具和工作流。
方法是可被模型调用的动作，字段保存智能体状态，docstring 用作提示词，类型注解是运行时强制的合同，供开发者和模型共享。
- `...` 方法体会变成 LLM 循环，而普通方法体保持为确定性的 Python。
PredictStrategy 通过本地重试循环执行带类型的 LLM 调用；CodeActStrategy 在迭代式 Python REPL 中运行，模型调用 execute_python，直至提交经验证的 return_result。
- 按引用传递和上下文分割实现了大量 token 节省。
大型活跃对象保留在 REPL 中并有受限预览，上下文被划分为可缓存的静态块、带类型的事件块和动态块，保持 KV‑cache 在回合之间的复用。
- 基准表现强劲，但 NOOA 仍是 alpha 软件，需要 OS 级别的隔离。
NVIDIA 报告在 SWE‑bench Verified 上为 82.2% ，在 CyberGym L1 上为 86.8% ，但将 AST 检查和黑名单视为安全护栏，而非限制；应在容器、虚拟机或 OpenShell 中运行生成的代码。
NVIDIA AI 发布 NOOA：一种面向对象的 Python 框架，将 AI 智能体转化为单个 Python 类
NVIDIA Labs 开源了 NOOA，这是一款模型无关的 Python 框架，将 AI 智能体表示为单个 Python 类，统一了提示词、工具模式、回调以及工作流图。方法定义模型动作，字段保存状态，docstring 用作提示词，运行时强制的类型注解充当合同；... 体的方法由 LLM 循环完成，而普通方法保持为确定性的 Python 工具。发布内容包括两种策略（PredictStrategy 和 CodeActStrategy）、对活跃对象的按引用传递处理、对上下文缓存友好的历史分割，以及可选的基于 ACT‑R 的记忆存储。NVIDIA 报告在 SWE‑bench Verified 上达到 82.2% ，在 CyberGym L1 上为 86.8% ，在 ARC‑AGI‑3 上的平均 RHAE 为 85.1% ，且所用 token 约为对比开放框架的一半。该框架采用 Apache 2.0 许可证，可通过 pip 安装，但仍处于 alpha 阶段；LLM 生成的代码应仅在 OS 级别隔离环境中运行。
文章金句
"一个智能体就是一个 Python 类——方法是动作，字段是状态，docstring 是提示词，注解是被强制执行的合同。
"按引用传递使大型数据在 REPL 中保持活跃，因此在 SWE‑bench 上无需进行上下文压缩。
"隔离边界可以是容器、虚拟机或 NVIDIA OpenShell。