--- title: "NVIDIA NOOA 评测：面向对象 AI 智能体" canonical: https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/ language: zh description: "深入评测 NVIDIA NOOA 的架构、基准成绩、安全限制、LangGraph 与 OpenAI 替代方案，以及生产试点清单。" image: "https://wavect.io/img/blog/headers/header_nvidia-nooa-object-oriented-agents-review.png" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年8月9日 最近审核 2026年8月9日 [**下一篇**](/zh/blog/strix-ai-pentesting-pilot-guide-2026/) # NVIDIA NOOA 评测：面向对象智能体适合生产环境吗？ 要点速览 NVIDIA Object-Oriented Agents（NOOA）是采用 Apache 2.0 许可证的研究预览框架。它把 AI 智能体表示成一个 Python 类：方法是能力，字段是状态，docstring 是 prompt，类型注解则是经过验证的契约。NVIDIA 使用一个精简的通用 harness 报告了较强成绩，包括 GPT-5.5 在 SWE-bench Verified 上的 82.2% 和 CyberGym L1 上的 86.8%。这些是厂商团队发布的基准结果，不能证明某个业务流程一定成功。若 Python 团队确实需要活对象引用、code-as-action 与显式状态，NOOA 值得进行边界清晰的试点。但它不是生产安全边界：模型生成的 Python 会在智能体进程中执行，因此仍需操作系统级隔离、最小权限凭据、评测、人工审批与明确的运维责任。 **NVIDIA Object-Oriented Agents，也称 NOOA，是一个把 AI 智能体定义为单个 Python 对象的开源框架。**方法代表能力，字段保存状态，文档字符串提供指令，类型注解校验输入与输出。这种设计让智能体代码更容易检查和重构，但它本身不能保证模型生成的代码安全。 截至 2026 年 8 月 9 日，我们审阅了论文、代码仓库、发布流程和替代框架文档。结论是：**对于正在构建代码密集型智能体、需要处理大型实时对象和显式状态的 Python 团队，NOOA 值得做一次范围受控的技术试点。**但它仍是 0.x 研究预览版，不是托管运行时、SLA 或安全隔离边界。我们没有部署 NOOA，也没有复现 NVIDIA 的基准测试，因此本文把已发布结果视为值得验证的厂商证据，而不是独立验证。 本文专门回答 NOOA 是否适合生产环境。关于共享关系和记忆的通用设计，请阅读 [面向 AI 智能体的图工程指南](/zh/blog/graph-engineering-ai-agents/) 。如果你要评估组织级范围与治理策略，请参考 [QM 智能体框架评测](/zh/blog/qm-ai-agent-harness-review/) 。将这些搜索意图分开，可以避免 NVIDIA 产品评测与 Wavect 现有的架构和编排内容互相竞争。 ## NVIDIA NOOA 是什么？ **NOOA 是 NVIDIA Labs 推出的模型无关型 Python 面向对象智能体框架。**普通方法执行确定性 Python 代码。方法体只有省略号的方法，则由大语言模型策略在运行时实现。方法签名成为类型化契约，文档字符串描述任务，对象向模型开放状态和辅助方法。 ``` class RefundAgent(Agent, llm=llm): orders: OrderStore def eligible(self, order: Order) -> bool: return order.age_days <= 30 and order.delivered async def decide(self, order: Order) -> RefundDecision: """返回附带证据、经过审查的退款决定。""" ... ``` 这个类清楚地显示了关键边界。资格判断是确定性规则，最终决定可以使用模型判断。生产团队可以对第一个方法做单元测试，对第二个方法做评测，并在执行任何副作用之前验证返回的 `RefundDecision`。 ## 面向对象智能体如何工作？ | Python 元素 | 在 NOOA 中的含义 | 生产价值 | | --- | --- | --- | | 类 | 智能体边界 | 提示词、工具和状态集中在一个可审查单元中 | | 方法 | 确定性辅助逻辑或智能体循环 | 模型判断与精确业务规则保持分离 | | 类型注解 | 输入和返回契约 | 无效结果可以被拒绝并重试 | | 字段 | 显式对象状态 | 重要状态不只隐藏在聊天记录中 | | 实时参数 | 按引用传递的对象 | 大型数据可以作为真实值保留在提示词之外 | | 文档字符串 | 面向模型的指令 | 提示词变更与受其控制的方法放在一起 | | Python 单元 | 代码即行动步骤 | 模型可以使用循环、条件和辅助方法 | NVIDIA 总结了六种组合能力：类型化输入输出、按引用传递、代码即行动、可编程循环工程、显式对象状态，以及模型可调用的上下文或事件 API。 [NVIDIA 官方技术概述](https://developer.nvidia.com/blog/six-agent-harness-capabilities-for-higher-model-performance/) 还介绍了模型管理的 SQLite 长期记忆，其中包含类型化关系、检索和反思机制。 ## NVIDIA 发布的 NOOA 基准测试说明了什么？ [NOOA 技术报告](https://arxiv.org/html/2607.20709v1) 同时评估了模型对接口的熟练程度和完整智能体。能力测试集包含 36 个类别、88 个测试实例，覆盖 10 个模型，每项运行 5 次。NVIDIA 报告的结果是 4,400 条记录中通过 4,309 条，总通过率 97.9%。更困难的压力子集降至 84.7%，说明长时间批处理、恢复和任务分解仍需要严格评测。 | 已发布评测 | NOOA 结果 | 实际解读 | | --- | --- | --- | | 能力测试集 | 总体 97.9% | 当前模型通常能够理解 Python 对象接口 | | 压力子集 | 总体 84.7% | 多步骤执行仍会频繁出错，因此必须做评测 | | SWE-bench Verified，GPT-5.5 xhigh | 82.2% | 紧凑的通用框架在代码仓库任务上具有竞争力 | | Terminal-Bench 2.0，GPT-5.5 high | 73.0% | 类型化终止和实时值可能改善终端任务表现 | | CyberGym L1，GPT-5.5 | 86.8% | 围绕模型探索添加确定性验证很有潜力 | | ARC-AGI-3，GPT-5.6-sol | 平均 RHAE 85.1% | 框架设计和记忆机制会显著影响智能体表现 | 对商业决策最重要的不是单个分数，而是每个被接受结果的成本。在使用 GPT-5.5 xhigh 的 SWE-bench Verified 测试中，NVIDIA 报告 NOOA 每项任务约调用模型 28 次、使用 110 万个 token，得分 82.2%。对比的 PI 框架调用 66 次、使用 220 万个 token，得分 78.2%。这支持一个值得测试的假设：实时值和受限预览可以减少上下文反复传输。 但这些数据不能证明 NOOA 会把你的生产账单减半。论文作者就是框架团队，模型和基准与真实业务流程不同，而且表现最好的运行仍消耗大量推理资源。应把这些数字当作测试该架构的理由，而不是采购预算预测。 ## NVIDIA NOOA 用于生产环境安全吗？ **NOOA 不是安全沙箱。**为了访问实时对象，模型生成的 Python 代码可以在智能体进程中执行。 [NOOA 官方 README 和安全说明](https://github.com/NVIDIA-NeMo/labs-OO-Agents/blob/main/README.md) 明确指出，AST 验证与模块拒绝列表只是纵深防御，不是隔离措施，并建议使用容器、虚拟机或 NVIDIA OpenShell 实现隔离。 | 风险 | 对象模型带来的变化 | 必需控制 | | --- | --- | --- | | 任意代码副作用 | 生成的 Python 可以访问强大的库和对象方法 | 操作系统级沙箱、阻断出站流量、明确的能力允许列表 | | 实时敏感对象 | 按引用传递避免提示词复制，但会扩大运行时访问范围 | 窄接口封装、最小权限、脱敏预览 | | 状态污染 | 模型可以修改对象状态或长期记忆 | 类型化模式、来源记录、审查与可逆写入 | | 错误完成 | 类型有效的值仍可能包含错误业务结论 | 证据字段、确定性验证、验收评测 | | 追踪数据泄露 | 提示词、输出和值可能包含客户数据 | 保留策略、访问控制、敏感字段过滤 | | 依赖变化 | 当前安装文档指向 Git 仓库 | 锁定已审查提交、扫描依赖、控制升级 | 类型检查只能回答“值的结构是否符合预期”，不能回答“这笔退款是否获批”或“智能体是否有权发送退款”。身份验证、授权、幂等性、审批和审计必须放在概率循环之外。我们的 [MCP 数据级授权分析](/zh/blog/mcp-security-boundary-data-level-access-control/) 说明了工具和数据层同样的职责分离。 ## 截至 2026 年 8 月，NOOA 的成熟度如何？ NOOA 已公开发布，采用 Apache 2.0 许可证，并提供示例、测试、CLI、追踪查看器、记忆包和基准工具。这比只有论文的原型更有说服力，但它仍处于早期开发阶段。 [官方发布文档](https://github.com/NVIDIA-NeMo/labs-OO-Agents/blob/main/RELEASING.md) 将其称为 0.x 研究预览版，并说明公开 API 可能在版本之间变化。 团队应预留适配层、版本锁定和迁移测试。不要让业务服务到处直接导入框架内部模块。把 NOOA 放在应用自有接口之后，这样未来升级或替换框架时，不必重写整个产品。 ## NOOA、LangGraph 与 OpenAI Agents SDK，该如何选择？ 这些方案有重叠，但优化的系统边界不同。 [LangGraph 官方概述](https://docs.langchain.com/oss/python/langgraph/overview) 把它定位为面向长期运行、有状态智能体的底层编排运行时，强调持久执行、流式处理和人在回路。 [OpenAI Agents SDK 文档](https://openai.github.io/openai-agents-python/) 则强调一组精简且面向生产的原语，包括智能体、工具、交接、护栏、会话、沙箱和追踪。 | 方案 | 最适合的场景 | 需要验证的主要取舍 | | --- | --- | --- | | NOOA | Python 对象、代码即行动、实时数据和模型可见状态 | 研究阶段成熟度和进程内执行边界 | | LangGraph | 显式持久工作流、检查点和人工干预 | 简单智能体是否值得承担图和中间件复杂度 | | OpenAI Agents SDK | 精简原语、托管模型集成和内置追踪 | 供应商及运行时选择是否满足可移植性需求 | | 自建确定性循环 | 规则固定、工具很少的窄工作流 | 团队需要自行负责重试、追踪、状态和评测契约 | 不要只根据功能矩阵选择框架。先明确故障恢复、数据敏感度、部署责任、模型可移植性、人工审批点和必须保留的状态。即使所有候选方案都是开源软件，这个购买决策仍类似于 [定制软件与现成平台的选择](/zh/software-development-guide/custom-software-vs-off-the-shelf/) 。 ## 一次 NOOA 生产试点需要哪些成本？ 许可证费用为零，但可信的试点至少包含六类成本： - **智能体设计：** 类型化方法、确定性辅助逻辑、状态边界和模型策略。 - **隔离：** 沙箱镜像、文件系统策略、网络出站、密钥和资源限制。 - **评测：** 代表性任务、验收标准、对抗案例和回归运行。 - **可观测性：** 追踪、成本归因、数据保留、脱敏和事件调查。 - **集成：** 应用适配层、身份、数据授权、队列和审批路径。 - **所有权：** 依赖审查、升级、值班响应和回滚。 开源许可证消除了软件许可费，但不会消除系统责任。我们的 [AI 赋能与 RAG 架构服务](/zh/services/ai-enablement/) 会先明确工作流、信任边界和可衡量基线，再选择智能体框架。 [Twinsoft AI 案例](/zh/case-studies/twinsoft-ai/) 展示了 AI 功能周边所需的产品工程纪律，而 [AI 智能体单次行动成本模型](/zh/blog/ai-agent-cost-per-action-2026/) 可以把模型支出与被接受的业务结果绑定。 ## 哪些团队应该试点 NOOA，哪些团队应该等待？ | 适合试点 NOOA | 适合等待或选择更简单方案 | | --- | --- | | 团队擅长 Python 和常规软件测试 | 生产技术栈无法稳定维护 Python | | 智能体必须处理无法放入提示词的大型实时对象 | 输入很小，少量类型化函数工具已经够用 | | 需要模型生成控制流和显式对象状态 | 流程足够固定，确定性代码或状态机更合适 | | 可以部署操作系统级沙箱并严格限制能力 | 计划把框架的 AST 检查当作安全边界 | | 会在自己的任务集上比较替代方案 | 准备直接依据厂商排行榜采用框架 | | 可以通过适配层吸收 0.x API 变化 | 现在就需要稳定 API、托管支持和 SLA | ## 团队如何开展 30 天 NOOA 试点？ 1. **选择一个可逆且有价值的工作流。** 从分析、分类或草稿生成开始，不要先做支付或生产写入。 2. **建立 50 项任务评测集。** 覆盖常规案例、模糊输入、超长对象、工具故障、提示词注入和无效返回。 3. **构建最小 NOOA 对象。** 把确定性规则留在普通方法中，只向模型开放必要能力。 4. **把进程放入沙箱。** 使用一次性环境、受限文件系统挂载、默认阻断出站流量和低权限凭据。 5. **运行相关基线。** 在同一模型和任务集上，与当前流程及一个成熟替代方案比较。 6. **衡量被接受的结果。** 跟踪完成率、审核时间、每个被接受任务的成本、不安全尝试、重试和恢复时间。 7. **做出继续或停止决定。** 只有当 NOOA 带来的改进足以覆盖安全、迁移和运营责任时，才扩大使用范围。 可以使用我们的 [AI 智能体试点计划](/zh/blog/ai-agent-pilot-30-60-90-days/) ，把成功实验扩展为受治理的上线流程。如果你希望在实施前完成不偏向供应商的架构决策，欢迎 [预约技术需求沟通](/zh/contact/) 。 ## 常见问题 ### NVIDIA NOOA 代表什么？ NOOA 指 NVIDIA Object-Oriented Agents，也写作 NVIDIA double-O Agents。它是一个 Python 框架，把智能体表示为包含方法、字段、文档字符串和类型化契约的对象。 ### NVIDIA NOOA 是 AI 模型吗？ 不是。NOOA 是一个模型无关型智能体框架。它可以通过支持的模型客户端使用托管或本地模型，并围绕模型定义执行、上下文、状态、记忆和验证行为。 ### NOOA 是开源的吗？ 是。NVIDIA 在 NVIDIA-NeMo 仓库中以 Apache 2.0 许可证发布框架源代码、示例、能力测试、基准智能体和配套包。 ### NOOA 必须使用 NVIDIA GPU 吗？ 不一定。框架可以调用托管模型或本地模型服务器。硬件要求取决于所选模型和部署方式，而不是面向对象编程模型本身。 ### NOOA 比工具调用智能体更安全吗？ 类型化契约和确定性方法可以改善验证，但 NOOA 也会执行模型生成的 Python。它仍需要操作系统级隔离、最小权限、审批和输出验证。 ### 企业应该用 NOOA 替换 LangGraph 吗？ 不应在缺少任务级基准的情况下替换。NOOA 适合实时 Python 对象和代码即行动，LangGraph 更成熟地支持持久图执行和人工干预。应在相同工作流、安全边界和恢复要求上比较两者。 ## 研究边界 *状态核对日期：2026 年 8 月 9 日。我们审阅了公开文档、源代码和已发布基准证据，但没有部署 NOOA、审计其完整代码库或复现基准运行。仓库 API、版本和性能可能变化，因此试点时应锁定具体版本并重新评测。* ## 最终思考 NVIDIA NOOA 提出了一个清晰观点：AI 智能体可以像普通 Python 软件，而不是一组提示词文件、JSON 工具模式和隐藏回调。类型化方法、实时对象、显式状态和可验证终止都很有价值，NVIDIA 发布的结果也足以支持认真评估。 生产决策仍需谨慎。NOOA 很年轻，模型生成的 Python 权限强大，进程内访问让外部隔离成为硬性要求。只有当对象模型解决了真实工作流问题时才值得试点。确定性业务控制应留在模型之外，还要把被接受的结果与成熟基线比较，并为开源许可证无法提供的安全与运营边界编列预算。 ## 你可能也喜欢.. [**QM 智能体框架评测** 比较 NOOA 面向开发者的对象模型与面向组织的智能体控制平面。](/zh/blog/qm-ai-agent-harness-review/) [**AI 赋能与通用 AI 咨询** 在包含治理的系统交付与仅提供战略建议的合作之间做选择。](/zh/compare/ai-enablement-vs-generic-ai-consultancy/) 智能体工程 ## 继续浏览此集群 [从核心文章开始**AI 智能体的图工程：知识图谱什么时候值得做？**](/zh/blog/graph-engineering-ai-agents/) - [如何用 Agent Skills 让 AI 写作更自然](/zh/blog/ai-writing-agent-skills/) - [Strix AI 渗透测试：2026 年 30 天试点与采购指南](/zh/blog/strix-ai-pentesting-pilot-guide-2026/) - [Hark Handoff 评测：真正会点击网页的智能体](/zh/blog/hark-handoff-computer-use-agent-review/) - [Meta Muse Code 定价：Contributor 能用于客户代码吗？](/zh/blog/meta-muse-code-pricing-contributor-tier/) - [LLM 提示词发送前的 PII 脱敏：实用流水线](/zh/blog/pii-redaction-before-llm-prompts/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年8月9日 最近审核 2026年8月9日 [**下一篇**](/zh/blog/strix-ai-pentesting-pilot-guide-2026/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/#webpage", "@type": "WebPage", "dateModified": "2026-08-09", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-09", "url": "https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "NVIDIA Object-Oriented Agents（NOOA）是采用 Apache 2.0 许可证的研究预览框架。它把 AI 智能体表示成一个 Python 类：方法是能力，字段是状态，docstring 是 prompt，类型注解则是经过验证的契约。NVIDIA 使用一个精简的通用 harness 报告了较强成绩，包括 GPT-5.5 在 SWE-bench Verified 上的 82.2% 和 CyberGym L1 上的 86.8%。这些是厂商团队发布的基准结果，不能证明某个业务流程一定成功。若 Python 团队确实需要活对象引用、code-as-action 与显式状态，NOOA 值得进行边界清晰的试点。但它不是生产安全边界：模型生成的 Python 会在智能体进程中执行，因此仍需操作系统级隔离、最小权限凭据、评测、人工审批与明确的运维责任。", "articleBody": " 博客概览/AI 与智能体/智能体工程 NVIDIA NOOA 评测：面向对象智能体适合生产环境吗？ 要点速览 NVIDIA Object-Oriented Agents（NOOA）是采用 Apache 2.0 许可证的研究预览框架。它把 AI 智能体表示成一个 Python 类：方法是能力，字段是状态，docstring 是 prompt，类型注解则是经过验证的契约。NVIDIA 使用一个精简的通用 harness 报告了较强成绩，包括 GPT-5.5 在 SWE-bench Verified 上的 82.2% 和 CyberGym L1 上的 86.8%。这些是厂商团队发布的基准结果，不能证明某个业务流程一定成功。若 Python 团队确实需要活对象引用、code-as-action 与显式状态，NOOA 值得进行边界清晰的试点。但它不是生产安全边界：模型生成的 Python 会在智能体进程中执行，因此仍需操作系统级隔离、最小权限凭据、评测、人工审批与明确的运维责任。 NVIDIA Object-Oriented Agents，也称 NOOA，是一个把 AI 智能体定义为单个 Python 对象的开源框架。方法代表能力，字段保存状态，文档字符串提供指令，类型注解校验输入与输出。这种设计让智能体代码更容易检查和重构，但它本身不能保证模型生成的代码安全。 截至 2026 年 8 月 9 日，我们审阅了论文、代码仓库、发布流程和替代框架文档。结论是：对于正在构建代码密集型智能体、需要处理大型实时对象和显式状态的 Python 团队，NOOA 值得做一次范围受控的技术试点。但它仍是 0.x 研究预览版，不是托管运行时、SLA 或安全隔离边界。我们没有部署 NOOA，也没有复现 NVIDIA 的基准测试，因此本文把已发布结果视为值得验证的厂商证据，而不是独立验证。 本文专门回答 NOOA 是否适合生产环境。关于共享关系和记忆的通用设计，请阅读面向 AI 智能体的图工程指南。如果你要评估组织级范围与治理策略，请参考QM 智能体框架评测。将这些搜索意图分开，可以避免 NVIDIA 产品评测与 Wavect 现有的架构和编排内容互相竞争。 NVIDIA NOOA 是什么？ NOOA 是 NVIDIA Labs 推出的模型无关型 Python 面向对象智能体框架。普通方法执行确定性 Python 代码。方法体只有省略号的方法，则由大语言模型策略在运行时实现。方法签名成为类型化契约，文档字符串描述任务，对象向模型开放状态和辅助方法。 class RefundAgent(Agent, llm=llm): orders: OrderStore def eligible(self, order: Order) -> bool: return order.age_days <= 30 and order.delivered async def decide(self, order: Order) -> RefundDecision: \"\"\"返回附带证据、经过审查的退款决定。\"\"\" ... 这个类清楚地显示了关键边界。资格判断是确定性规则，最终决定可以使用模型判断。生产团队可以对第一个方法做单元测试，对第二个方法做评测，并在执行任何副作用之前验证返回的 RefundDecision。 面向对象智能体如何工作？ Python 元素在 NOOA 中的含义生产价值 类智能体边界提示词、工具和状态集中在一个可审查单元中 方法确定性辅助逻辑或智能体循环模型判断与精确业务规则保持分离 类型注解输入和返回契约无效结果可以被拒绝并重试 字段显式对象状态重要状态不只隐藏在聊天记录中 实时参数按引用传递的对象大型数据可以作为真实值保留在提示词之外 文档字符串面向模型的指令提示词变更与受其控制的方法放在一起 Python 单元代码即行动步骤模型可以使用循环、条件和辅助方法 NVIDIA 总结了六种组合能力：类型化输入输出、按引用传递、代码即行动、可编程循环工程、显式对象状态，以及模型可调用的上下文或事件 API。NVIDIA 官方技术概述还介绍了模型管理的 SQLite 长期记忆，其中包含类型化关系、检索和反思机制。 NVIDIA 发布的 NOOA 基准测试说明了什么？ NOOA 技术报告同时评估了模型对接口的熟练程度和完整智能体。能力测试集包含 36 个类别、88 个测试实例，覆盖 10 个模型，每项运行 5 次。NVIDIA 报告的结果是 4,400 条记录中通过 4,309 条，总通过率 97.9%。更困难的压力子集降至 84.7%，说明长时间批处理、恢复和任务分解仍需要严格评测。 已发布评测NOOA 结果实际解读 能力测试集总体 97.9%当前模型通常能够理解 Python 对象接口 压力子集总体 84.7%多步骤执行仍会频繁出错，因此必须做评测 SWE-bench Verified，GPT-5.5 xhigh82.2%紧凑的通用框架在代码仓库任务上具有竞争力 Terminal-Bench 2.0，GPT-5.5 high73.0%类型化终止和实时值可能改善终端任务表现 CyberGym L1，GPT-5.586.8%围绕模型探索添加确定性验证很有潜力 ARC-AGI-3，GPT-5.6-sol平均 RHAE 85.1%框架设计和记忆机制会显著影响智能体表现 对商业决策最重要的不是单个分数，而是每个被接受结果的成本。在使用 GPT-5.5 xhigh 的 SWE-bench Verified 测试中，NVIDIA 报告 NOOA 每项任务约调用模型 28 次、使用 110 万个 token，得分 82.2%。对比的 PI 框架调用 66 次、使用 220 万个 token，得分 78.2%。这支持一个值得测试的假设：实时值和受限预览可以减少上下文反复传输。 但这些数据不能证明 NOOA 会把你的生产账单减半。论文作者就是框架团队，模型和基准与真实业务流程不同，而且表现最好的运行仍消耗大量推理资源。应把这些数字当作测试该架构的理由，而不是采购预算预测。 NVIDIA NOOA 用于生产环境安全吗？ NOOA 不是安全沙箱。为了访问实时对象，模型生成的 Python 代码可以在智能体进程中执行。NOOA 官方 README 和安全说明明确指出，AST 验证与模块拒绝列表只是纵深防御，不是隔离措施，并建议使用容器、虚拟机或 NVIDIA OpenShell 实现隔离。 风险对象模型带来的变化必需控制 任意代码副作用生成的 Python 可以访问强大的库和对象方法操作系统级沙箱、阻断出站流量、明确的能力允许列表 实时敏感对象按引用传递避免提示词复制，但会扩大运行时访问范围窄接口封装、最小权限、脱敏预览 状态污染模型可以修改对象状态或长期记忆类型化模式、来源记录、审查与可逆写入 错误完成类型有效的值仍可能包含错误业务结论证据字段、确定性验证、验收评测 追踪数据泄露提示词、输出和值可能包含客户数据保留策略、访问控制、敏感字段过滤 依赖变化当前安装文档指向 Git 仓库锁定已审查提交、扫描依赖、控制升级 类型检查只能回答“值的结构是否符合预期”，不能回答“这笔退款是否获批”或“智能体是否有权发送退款”。身份验证、授权、幂等性、审批和审计必须放在概率循环之外。我们的MCP 数据级授权分析说明了工具和数据层同样的职责分离。 截至 2026 年 8 月，NOOA 的成熟度如何？ NOOA 已公开发布，采用 Apache 2.0 许可证，并提供示例、测试、CLI、追踪查看器、记忆包和基准工具。这比只有论文的原型更有说服力，但它仍处于早期开发阶段。官方发布文档将其称为 0.x 研究预览版，并说明公开 API 可能在版本之间变化。 团队应预留适配层、版本锁定和迁移测试。不要让业务服务到处直接导入框架内部模块。把 NOOA 放在应用自有接口之后，这样未来升级或替换框架时，不必重写整个产品。 NOOA、LangGraph 与 OpenAI Agents SDK，该如何选择？ 这些方案有重叠，但优化的系统边界不同。LangGraph 官方概述把它定位为面向长期运行、有状态智能体的底层编排运行时，强调持久执行、流式处理和人在回路。OpenAI Agents SDK 文档则强调一组精简且面向生产的原语，包括智能体、工具、交接、护栏、会话、沙箱和追踪。 方案最适合的场景需要验证的主要取舍 NOOAPython 对象、代码即行动、实时数据和模型可见状态研究阶段成熟度和进程内执行边界 LangGraph显式持久工作流、检查点和人工干预简单智能体是否值得承担图和中间件复杂度 OpenAI Agents SDK精简原语、托管模型集成和内置追踪供应商及运行时选择是否满足可移植性需求 自建确定性循环规则固定、工具很少的窄工作流团队需要自行负责重试、追踪、状态和评测契约 不要只根据功能矩阵选择框架。先明确故障恢复、数据敏感度、部署责任、模型可移植性、人工审批点和必须保留的状态。即使所有候选方案都是开源软件，这个购买决策仍类似于定制软件与现成平台的选择。 一次 NOOA 生产试点需要哪些成本？ 许可证费用为零，但可信的试点至少包含六类成本： 智能体设计：类型化方法、确定性辅助逻辑、状态边界和模型策略。 隔离：沙箱镜像、文件系统策略、网络出站、密钥和资源限制。 评测：代表性任务、验收标准、对抗案例和回归运行。 可观测性：追踪、成本归因、数据保留、脱敏和事件调查。 集成：应用适配层、身份、数据授权、队列和审批路径。 所有权：依赖审查、升级、值班响应和回滚。 开源许可证消除了软件许可费，但不会消除系统责任。我们的AI 赋能与 RAG 架构服务会先明确工作流、信任边界和可衡量基线，再选择智能体框架。Twinsoft AI 案例展示了 AI 功能周边所需的产品工程纪律，而AI 智能体单次行动成本模型可以把模型支出与被接受的业务结果绑定。 哪些团队应该试点 NOOA，哪些团队应该等待？ 适合试点 NOOA适合等待或选择更简单方案 团队擅长 Python 和常规软件测试生产技术栈无法稳定维护 Python 智能体必须处理无法放入提示词的大型实时对象输入很小，少量类型化函数工具已经够用 需要模型生成控制流和显式对象状态流程足够固定，确定性代码或状态机更合适 可以部署操作系统级沙箱并严格限制能力计划把框架的 AST 检查当作安全边界 会在自己的任务集上比较替代方案准备直接依据厂商排行榜采用框架 可以通过适配层吸收 0.x API 变化现在就需要稳定 API、托管支持和 SLA 团队如何开展 30 天 NOOA 试点？ 选择一个可逆且有价值的工作流。从分析、分类或草稿生成开始，不要先做支付或生产写入。 建立 50 项任务评测集。覆盖常规案例、模糊输入、超长对象、工具故障、提示词注入和无效返回。 构建最小 NOOA 对象。把确定性规则留在普通方法中，只向模型开放必要能力。 把进程放入沙箱。使用一次性环境、受限文件系统挂载、默认阻断出站流量和低权限凭据。 运行相关基线。在同一模型和任务集上，与当前流程及一个成熟替代方案比较。 衡量被接受的结果。跟踪完成率、审核时间、每个被接受任务的成本、不安全尝试、重试和恢复时间。 做出继续或停止决定。只有当 NOOA 带来的改进足以覆盖安全、迁移和运营责任时，才扩大使用范围。 可以使用我们的AI 智能体试点计划，把成功实验扩展为受治理的上线流程。如果你希望在实施前完成不偏向供应商的架构决策，欢迎预约技术需求沟通。 常见问题 NVIDIA NOOA 代表什么？ NOOA 指 NVIDIA Object-Oriented Agents，也写作 NVIDIA double-O Agents。它是一个 Python 框架，把智能体表示为包含方法、字段、文档字符串和类型化契约的对象。 NVIDIA NOOA 是 AI 模型吗？ 不是。NOOA 是一个模型无关型智能体框架。它可以通过支持的模型客户端使", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "NVIDIA 官方技术概述", "url": "https://developer.nvidia.com/blog/six-agent-harness-capabilities-for-higher-model-performance/" }, { "@type": "WebPage", "name": "NOOA 技术报告", "url": "https://arxiv.org/html/2607.20709v1" }, { "@type": "WebPage", "name": "NOOA 官方 README 和安全说明", "url": "https://github.com/NVIDIA-NeMo/labs-OO-Agents/blob/main/README.md" }, { "@type": "WebPage", "name": "官方发布文档", "url": "https://github.com/NVIDIA-NeMo/labs-OO-Agents/blob/main/RELEASING.md" }, { "@type": "WebPage", "name": "LangGraph 官方概述", "url": "https://docs.langchain.com/oss/python/langgraph/overview" }, { "@type": "WebPage", "name": "OpenAI Agents SDK 文档", "url": "https://openai.github.io/openai-agents-python/" } ], "dateModified": "2026-08-09", "datePublished": "2026-08-09", "description": "NVIDIA Object-Oriented Agents（NOOA）是采用 Apache 2.0 许可证的研究预览框架。它把 AI 智能体表示成一个 Python 类：方法是能力，字段是状态，docstring 是 prompt，类型注解则是经过验证的契约。NVIDIA 使用一个精简的通用 harness 报告了较强成绩，包括 GPT-5.5 在 SWE-bench Verified 上的 82.2% 和 CyberGym L1 上的 86.8%。这些是厂商团队发布的基准结果，不能证明某个业务流程一定成功。若 Python 团队确实需要活对象引用、code-as-action 与显式状态，NOOA 值得进行边界清晰的试点。但它不是生产安全边界：模型生成的 Python 会在智能体进程中执行，因此仍需操作系统级隔离、最小权限凭据、评测、人工审批与明确的运维责任。", "headline": "NVIDIA NOOA 评测：面向对象智能体适合生产环境吗？", "image": "https://wavect.io/img/blog/headers/header_nvidia-nooa-object-oriented-agents-review.svg", "inLanguage": "zh", "keywords": "AI 智能体, Python", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/", "wordCount": 486 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/ai-agents/", "name": "AI 与智能体", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/agent-engineering/", "name": "智能体工程", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/nvidia-nooa-object-oriented-agents-review/", "name": "NVIDIA NOOA 评测：面向对象 AI 智能体 | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "NOOA 指 NVIDIA Object-Oriented Agents，也写作 NVIDIA double-O Agents。它是一个 Python 框架，把智能体表示为包含方法、字段、文档字符串和类型化契约的对象。" }, "name": "NVIDIA NOOA 代表什么？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不是。NOOA 是一个模型无关型智能体框架。它可以通过支持的模型客户端使用托管或本地模型，并围绕模型定义执行、上下文、状态、记忆和验证行为。" }, "name": "NVIDIA NOOA 是 AI 模型吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "是。NVIDIA 在 NVIDIA-NeMo 仓库中以 Apache 2.0 许可证发布框架源代码、示例、能力测试、基准智能体和配套包。" }, "name": "NOOA 是开源的吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不一定。框架可以调用托管模型或本地模型服务器。硬件要求取决于所选模型和部署方式，而不是面向对象编程模型本身。" }, "name": "NOOA 必须使用 NVIDIA GPU 吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "类型化契约和确定性方法可以改善验证，但 NOOA 也会执行模型生成的 Python。它仍需要操作系统级隔离、最小权限、审批和输出验证。" }, "name": "NOOA 比工具调用智能体更安全吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "不应在缺少任务级基准的情况下替换。NOOA 适合实时 Python 对象和代码即行动，LangGraph 更成熟地支持持久图执行和人工干预。应在相同工作流、安全边界和恢复要求上比较两者。" }, "name": "企业应该用 NOOA 替换 LangGraph 吗？" } ] } ```