NOOA多智能體系統(tǒng)入門子Agent隔離、狀態(tài)共享與Python協(xié)調(diào)模式完全指南【免費下載鏈接】labs-OO-AgentsNVIDIA Object Oriented Agents: the Pythonic way to build AI Agents.項目地址: https://gitcode.com/gh_mirrors/la/labs-OO-AgentsNOOANVIDIA Object Oriented Agents是 NVIDIA 推出的 Pythonic AI Agent 框架其多智能體系統(tǒng)的核心理念是子 Agent 只是一個普通的 Python 對象。本文將帶你快速掌握 NOOA 多智能體系統(tǒng)的三大核心模式——子 Agent 隔離、狀態(tài)共享與 Python 協(xié)調(diào)無需任何工作流引擎或 DAG 配置用你熟悉的 Python 就能搭建可靠的多 Agent 應(yīng)用。為什么需要多智能體系統(tǒng)很多 Agent 框架把提示詞、工具、回調(diào)、工作流拆成一個個彼此獨立的抽象。NOOA 換了一種思路一個 Agent 就是一個 Python 類字段是狀態(tài)、方法是能力、docstring 是提示詞、類型注解是契約。當(dāng)你發(fā)現(xiàn)某段工作需要獨立的模型交互歷史、上下文、工具狀態(tài)或可復(fù)用的角色時就應(yīng)該引入一個子 Agent。判斷標(biāo)準(zhǔn)很簡單確定性操作查價格、算折扣→ 普通 Python 方法共享同一角色、歷史、工具→ 同一對象上的另一個 agentic 方法需要隔離或可復(fù)用角色→ 拆出子 Agent?? 官方提醒把每個函數(shù)都拆成 Agent 并不是可擴展性策略——Agent 越多提示詞、歷史、模型調(diào)用和故障邊界就越多。子Agent隔離每個Worker都有獨立工作臺NOOA 多智能體系統(tǒng)的第一原則是隔離。一個正確隔離的子 Agent 應(yīng)該擁有自己獨立的事件歷史與上下文塊per-instance event history and context blocks生成鎖與 REPL 會話每個 agentic 方法調(diào)用都有獨立的 CodeAct REPL 會話REPL 變量只在單次調(diào)用內(nèi)跨代碼單元保留有狀態(tài)工具與連接在該實例上構(gòu)造而不是掛在類上可見字段與角色指令這里有一個新手最常踩的坑?子 Agent 不會自動繼承父 Agent 的歷史和上下文數(shù)據(jù)必須通過方法參數(shù)或共享應(yīng)用對象顯式傳遞。方法簽名本身就定義了交接契約——寫作者不會悄悄依賴研究員的提示詞歷史數(shù)據(jù)流向在代碼里一目了然。這種隔離隨 Python 對象的生命周期存在默認(rèn)存儲是內(nèi)存的進(jìn)程重啟不會自動恢復(fù)舊歷史需要持久化時要顯式使用存儲與快照/恢復(fù)流程詳見 prompts-and-context.md。狀態(tài)共享顯式傳遞拒絕隱式全局既然默認(rèn)是隔離的那么共享就應(yīng)該被寫得清清楚楚。官方文檔 multi-agent-systems.md 給出的原則是交接靠類型化參數(shù)writer.write(question, evidence)—— 簽名即文檔數(shù)據(jù)流可追蹤可復(fù)用狀態(tài)放共享應(yīng)用對象比如共享的數(shù)據(jù)庫客戶端、配置對象作為構(gòu)造參數(shù)注入不要傳隱式全局狀態(tài)這是 NOOA 列舉的常見錯誤之一一個典型的隔離顯式交接示例來自 multi-agent-systems.mdclass Researcher(Agent): async def research(self, question: str) - list[str]: Find evidence relevant to the question. ... class Writer(Agent): async def write(self, question: str, evidence: list[str]) - str: Write an answer supported only by the supplied evidence. ...注意evidence參數(shù)寫作者只依賴顯式傳入的證據(jù)而不是研究員的整個對話記憶。還有一個容易忽略的邊界獨立的 Agent 和工具實例并不能隔離它們共同指向的外部資源。并發(fā)的寫操作仍然需要各自獨立的工作樹、沙箱、數(shù)據(jù)庫命名空間或圍繞共享資源的確定性協(xié)調(diào)。Python協(xié)調(diào)模式串行的、并行的、LLM驅(qū)動的NOOA 最 Pythonic 的地方在于協(xié)調(diào)完全由普通 Python 完成。編排器不需要繼承Agent——它不含 agentic 方法就是正常的 Python 類class AnswerPipeline: def __init__(self, llm): self.researcher Researcher(llmllm) self.writer Writer(llmllm) async def run(self, question: str) - str: evidence await self.researcher.research(question) return await self.writer.write(question, evidence)這就是 orchestration.md 所說的把圖翻譯成 Python邊變成普通調(diào)用條件變成if扇出變成asyncio.gather。模式一順序交接Sequential兩個await調(diào)用串起來即可。順序由你寫死的代碼保證模型無需記得步驟。模式二并行扇出Parallel? 關(guān)鍵規(guī)則每個并發(fā)任務(wù)使用獨立的 Agent 實例。內(nèi)置的 Predict 和 CodeAct 策略會在同一實例上串行化生成調(diào)用并發(fā)調(diào)用同一實例會被內(nèi)部鎖排隊獨立實例才能真正并行。模式三LLM 驅(qū)動生成Model-directedCodeAct 方法本質(zhì)是讓模型寫 Python而生成子 Agent本身也是普通 Python——所以只要模型知道子 Agent 類存在例如暴露為類屬性出現(xiàn)在doc(self)中它就能在運行時自主決定何時創(chuàng)建、以什么順序調(diào)用子 Agent。這三種模式的完整可交互教程見 04_composing_subagents.ipynb用了一個周末行程規(guī)劃的玩具場景演示父子 Agent 協(xié)作。模型繼承子Agent自動認(rèn)親在父 Agent 的活躍調(diào)用內(nèi)創(chuàng)建的子 Agent如果自己的類沒有聲明llm會自動繼承父 Agent 的模型。但在應(yīng)用層編排器或構(gòu)造函數(shù)中創(chuàng)建 Agent 時此時沒有活躍的父調(diào)用上下文應(yīng)顯式傳入llmself.researcher Researcher(llmaccurate_llm) # 高精度模型 self.writer Writer(llmfast_llm) # 低延遲模型顯式構(gòu)造更易于理解也讓每個角色用什么模型清晰可見——這是按角色做模型選擇的推薦姿勢。與Supervisor/圖節(jié)點框架的對比你完全可以在 NOOA 中實現(xiàn) Supervisor、路由器、辯論模式、Worker 池等經(jīng)典模式Supervisor 通常就是一個 Python 編排器或一個專注的路由方法Workers 就是普通 Agent 實例。區(qū)別在于狀態(tài)歸屬和交接都擺在 Python 代碼里而不是藏在框架管理的圖狀態(tài)中。這對調(diào)試、測試和重構(gòu)非常友好。新手常見誤區(qū)清單 來自 multi-agent-systems.md 的官方避坑指南誤以為子 Agent 會繼承上下文塊或?qū)υ挌v史多個并行任務(wù)共享一個有狀態(tài)工具或同一個 Agent 實例傳遞隱式全局狀態(tài)而不是類型化參數(shù)用 LLM Supervisor 做本可以用確定性 Python 表達(dá)的路由在沒有明確隔離或?qū)I(yè)化收益時創(chuàng)建過多角色從哪里開始概念文檔multi-agent-systems.md、orchestration.md交互教程04_composing_subagents.ipynb、tour.md策略實現(xiàn)源碼src/nooa/strategies/框架核心包src/nooa/一句話總結(jié) NOOA 多智能體系統(tǒng)的哲學(xué)模型負(fù)責(zé)判斷Python 負(fù)責(zé)流程。對象組合成系統(tǒng)代碼即編排。【免費下載鏈接】labs-OO-AgentsNVIDIA Object Oriented Agents: the Pythonic way to build AI Agents.項目地址: https://gitcode.com/gh_mirrors/la/labs-OO-Agents創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考