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(fèi)下載鏈接】labs-OO-AgentsNVIDIA Object Oriented Agents: the Pythonic way to build AI Agents.項(xiàng)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(gè)普通的 Python 對(duì)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(gè)個(gè)彼此獨(dú)立的抽象。NOOA 換了一種思路一個(gè) Agent 就是一個(gè) 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(dú)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(shí)就應(yīng)該引入一個(gè)子 Agent。判斷標(biāo)準(zhǔn)很簡單確定性操作查價(jià)格、算折扣→ 普通 Python 方法共享同一角色、歷史、工具→ 同一對(duì)象上的另一個(gè) 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(gè)函數(shù)都拆成 Agent 并不是可擴(kuò)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(gè)Worker都有獨(dú)立工作臺(tái)NOOA 多智能體系統(tǒng)的第一原則是隔離。一個(gè)正確隔離的子 Agent 應(yīng)該擁有自己獨(dú)立的事件歷史與上下文塊per-instance event history and context blocks生成鎖與 REPL 會(huì)話每個(gè) agentic 方法調(diào)用都有獨(dú)立的 CodeAct REPL 會(huì)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(shí)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(gè)新手最常踩的坑?子 Agent 不會(huì)自動(dòng)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(duì)象顯式傳遞。方法簽名本身就定義了交接契約——寫作者不會(huì)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(duì)象的生命周期存在默認(rèn)存儲(chǔ)是內(nèi)存的進(jìn)程重啟不會(huì)自動(dòng)恢復(fù)舊歷史需要持久化時(shí)要顯式使用存儲(chǔ)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(duì)象比如共享的數(shù)據(jù)庫客戶端、配置對(duì)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(cuò)誤之一一個(gè)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(gè)對(duì)話記憶。還有一個(gè)容易忽略的邊界獨(dú)立的 Agent 和工具實(shí)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(dú)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(dòng)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(gè)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(gè)并發(fā)任務(wù)使用獨(dú)立的 Agent 實(shí)例。內(nèi)置的 Predict 和 CodeAct 策略會(huì)在同一實(shí)例上串行化生成調(diào)用并發(fā)調(diào)用同一實(shí)例會(huì)被內(nèi)部鎖排隊(duì)獨(dú)立實(shí)例才能真正并行。模式三LLM 驅(qū)動(dòng)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(yùn)行時(shí)自主決定何時(shí)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(gè)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(dòng)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(huì)自動(dòng)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(shí)此時(shí)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(gè)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(shì)。與Supervisor/圖節(jié)點(diǎn)框架的對(duì)比你完全可以在 NOOA 中實(shí)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(gè) Python 編排器或一個(gè)專注的路由方法Workers 就是普通 Agent 實(shí)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(duì)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(huì)繼承上下文塊或?qū)υ挌v史多個(gè)并行任務(wù)共享一個(gè)有狀態(tài)工具或同一個(gè) Agent 實(shí)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(shí)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(shí)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(duì)象組合成系統(tǒng)代碼即編排?！久赓M(fèi)下載鏈接】labs-OO-AgentsNVIDIA Object Oriented Agents: the Pythonic way to build AI Agents.項(xiàng)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