NVIDIA开源NOOA：面向对象Python框架，将AI Agent封装为单一类

一句话看懂

NVIDIA开源NOOA框架，用面向对象方式将AI Agent封装为单一Python类，方法即动作、字段即状态，在SWE-bench Verified上达82.2%且token消耗减半。

详细发生了什么

NVIDIA Labs开源了NOOA（NVIDIA Object-Oriented Agents），这是一个模型无关的Python框架，用来构建AI Agent。传统Agent开发分散在提示模板、工具schema、回调代码和工作流图里，而NOOA把它们全部收进一个Python类：方法是模型可执行的动作，字段是Agent状态，文档字符串是提示，类型注解是运行时强制执行的契约。方法体为...的方法由LLM循环在运行时完成，普通方法体则保持确定性Python，模型可以把它当工具调用。

NOOA提供两种策略。PredictStrategy是带本地重试循环的单一类型化LLM调用；CodeActStrategy运行迭代式Python REPL，模型调用execute_python(...)直到提交return_result(...)，后者根据返回注解验证。框架支持按引用传递（pass by reference），参数作为活对象传入，模型只看到有界预览，从而节省上下文。上下文分成可缓存静态前缀、追加式类型化事件历史和尾部动态块，保留KV-cache复用。

性能方面，NOOA在SWE-bench Verified上达到82.2%（GPT-5.5，xhigh effort），对比OpenCode的78.6%和PI的78.2%；在CyberGym L1上达到86.8%（网络受限），为开源最佳；在ARC-AGI-3上使用GPT-5.6-sol达到85.1%平均RHAE，每局成本低于$20。效率上，82.2%的成绩只消耗约1.1M tokens和每任务28次模型调用，而PI在78.2%时消耗2.2M tokens和66次调用。

中文圈视角

NOOA对中文开发者有实际意义。首先，它通过LiteLLM支持多种模型后端，包括Ollama和vLLM，因此国内开发者可以用本地模型（如Qwen、DeepSeek）或通过代理访问OpenAI API，不必依赖特定云服务。其次，NOOA的面向对象设计降低了Agent开发门槛，适合已有Python经验的开发者，与国内流行的Agent框架（如MetaGPT、AutoGPT）相比，更强调类型安全和可测试性，可能吸引追求工程化的团队。

不过，NOOA目前是alpha版本，官方明确表示AST检查和模块拒绝列表只是纵深防御，并非安全边界，生成代码得在容器或VM里跑。国内开发者若用于生产，要注意合规风险，尤其是数据出境和内容安全。建议先在内部实验环境评估，等稳定版发布。另外，NOOA的文档和社区以英文为主，中文资源较少，但Apache 2.0许可允许自由使用和二次开发，国内团队可以基于它构建中文优化的Agent应用。

几条值得记住的细节

• NOOA通过pip install nooa安装，v0.0.8版本发布于2026年7月30日，要求Python 3.12–3.13。
• 框架为Apache 2.0许可，但PyPI标记为alpha，NVIDIA称其为研究预览。
• 在效率测试中，NOOA在SWE-bench上使用约1.1M tokens和28次模型调用，对比PI的2.2M tokens和66次调用。
• 支持通过LiteLLM接入托管API、Ollama和vLLM端点，模型可插拔。
• 官方建议仅在OS级隔离环境（容器、VM或NVIDIA OpenShell）中执行生成代码。

一句话总结

NOOA将Agent开发简化为一门面向对象艺术，中文开发者可低成本上手，但生产部署需等待稳定版并注意安全隔离。