构建出色的 AI 智能体不仅仅只是选择合适的模型。Harness 是围绕模型的架构。渲染上下文、执行动作、管理状态以及决定任务何时完成，所塑造的结果与模型本身一样重要。即使使用相同的底层模型，光是 Harness 设计就能导致基准测试结果有两位数的波动以及在 Token 成本上有着显著差异。
NVIDIA Labs Object-Oriented Agents (NOOA) 是基于此见解构建的开源研究预览。它具有 Python 框架、内存系统、能力测试和基准测试智能体，并已发布代码、数据和评估，因此社区可以复制、挑战和构建这些结果。
智能体开发涉及协调提示模板、工具模式、回调代码和工作流程图等多个移动部分。NOOA 则采用了一种更简单的方法：一个智能体就是一个 Python 类。它的方法就是它的能力；它的字段就是它的状态；它的文档字符串就是提示词，其类型标注是可执行的合同。其主体为省略号 (…) 的标准 Python 方法在运行时由 LLM 驱动的循环完成。具有常规主体的方法以普通的确定性 Python 运行。
class SupportAgent(Agent): """You are a support agent for a customer service system."""
order_db: OrderDB
def is_refund_eligible(self, order: Order) -> bool: """Return whether an order is eligible for a refund.""" return order.delivered and order.days_since_delivery
@strategy(PredictStrategy()) async def classify(self, message: str) -> TicketKind: """Classify the customer message into the best ticket kind.""" ...
async def triage(self, message: str, photo: Image | None, order: Order | None) -> Ticket: """Triage a customer message and create a support ticket.""" ...
这样做的好处是，智能体开发成为了传统软件开发。人类和 AI 编码智能体可以使用已用于所有其他代码库的相同工具，对智能体进行差异化、代码审核、单元测试、追踪、版本管理和重构。
NOOA 架构确定了六种面向模型的界面理念，可提升智能体性能：
类型化输入/输出 (Typed input/output)
智能体调用具有类型化参数和经过验证的返回值，而非自由文本。
引用传递 (Pass by reference)
模型在实时 Python 对象上运行，可以看到有边界的预览，而不是序列化的转储文件。
代码即行动 (Code as action)
模型通过编写 Python 来行动，并使用控制流和内联方法调用。
可编程循环工程 (Programmable loop engineering)
编排循环是普通的 Python，可由开发者和模型本身编写。
显式对象状态 (Explicit object state)
持久的类型化状态存在于智能体对象上，而不仅仅存在于对话历史记录中。
可调用模型的 Harness API (Model-callable harness APIs)
上下文块和事件历史记录是模型可以检查和管理的 API。
粤ICP备14082021号
免费POC，
零成本试错
