NVIDIA เปิดซอร์ส NOOA เฟรมเวิร์กเอเจนต์: หนึ่ง AI agent คือหนึ่งคลาส Python

วันที่ 27 กรกฎาคม พ.ศ. 2569 NVIDIA Labs ปล่อยเฟรมเวิร์กเอเจนต์ NOOA (NVIDIA Object-Oriented Agents) สู่สาธารณะในรูปแบบโอเพนซอร์สขั้น research preview แนวคิดหลักสรุปได้ประโยคเดียวคือ AI agent หนึ่งตัวก็เขียนเป็นคลาส Python ธรรมดาหนึ่งคลาส ใช้สัญญาอนุญาต Apache 2.0 และติดตั้งด้วยคำสั่ง pip install nooa

เมธอดคือความสามารถ ฟิลด์คือสถานะ docstring คือพรอมป์ต์

ตลอดกว่าหนึ่งปีที่ผ่านมา เฟรมเวิร์กเอเจนต์ส่วนใหญ่อาศัยไฟล์ตั้งค่า YAML ผังงานแบบกราฟิก หรือภาษาเฉพาะทาง (DSL) เพื่ออธิบายว่า «เอเจนต์ตัวนี้ทำอะไรได้» แต่ NOOA เลือกทางตรงกันข้าม โดยจับคู่สามสิ่งเข้ากับไวยากรณ์ของ Python โดยตรง ได้แก่ เมธอดของคลาสคือรายการความสามารถ ฟิลด์ของคลาสคือสถานะ และ docstring ของเมธอดคือพรอมป์ตที่ส่งให้โมเดล นักพัฒนาจึงไม่ต้องเรียนภาษาประกาศชุดใหม่ สิ่งที่เขียนออกมาคือโค้ดธรรมดาที่อ่านได้ ทดสอบได้ และควบคุมเวอร์ชันได้

ในเชิงเทคนิค NOOA รองรับการออกแบบสำคัญสองประการ ดังนี้

• การส่งอ็อบเจ็กต์แบบอ้างอิง (pass-by-reference) เอเจนต์แลกเปลี่ยนอ็อบเจ็กต์ตัวเดียวกันโดยตรง ไม่ใช่สำเนาที่ผ่านการแปลงรูป สถานะจึงไม่บิดเบือนหรือถูกตัดทอนระหว่างทาง
• การเติมเมธอดด้วย LLM ในคลาสเขียนเพียงลายเซ็นเมธอดกับ docstring โดยเว้นส่วนการทำงานไว้ แล้วให้โมเดลเติมสิ่งที่ต้องทำตามความหมายในขณะรัน เท่ากับใช้ «โค้ดที่ยังเขียนไม่จบ» เป็นอินเทอร์เฟซของพรอมป์ต์

ผลการทดสอบ: SWE-bench Verified 82.2%

ตัวเลขที่เปิดเผยไม่ถือว่าอนุรักษ์นิยม เมื่อใช้ร่วมกับ GPT-5.5 NOOA ทำคะแนนงานวิศวกรรมซอฟต์แวร์ SWE-bench Verified ได้ 82.2% เหนือ SOTA เดิมที่ 79.2% ส่วนงานความมั่นคงปลอดภัย CyberGym L1 ได้ 86.8% ซึ่งทางการวางตำแหน่งว่าเป็นเฟรมเวิร์กเอเจนต์โอเพนซอร์ส (ที่รันร่วมกับโมเดลแบบปิด) ซึ่งทำผลงานนำหน้าในขณะนี้

ผลการทดสอบชุดนี้มีเงื่อนไขสองข้อที่ควรทำความเข้าใจก่อน

• คะแนนเป็นผลรวมของ «เฟรมเวิร์กบวกโมเดล» โดยอาศัย GPT-5.5 ซึ่งเป็นโมเดลแบบปิด ไม่ใช่โมเดลที่ NVIDIA พัฒนาเอง และไม่ใช่ความสามารถของเฟรมเวิร์กเพียงลำพัง
• สิ่งที่เปิดซอร์สคือชั้นเปลือกหุ้ม ไม่ใช่ตัวโมเดล หากเปลี่ยนโมเดลพื้นฐาน ผลงานของเฟรมเวิร์กชุดเดียวกันก็อาจเปลี่ยนไปอย่างมีนัยสำคัญ

สถานะ research preview: เลขเวอร์ชันยังอยู่ที่ 0.0.x

ณ วันประกาศ เลขเวอร์ชันของโครงการยังอยู่ที่ 0.0.x และทางการระบุสถานะตนเองว่าเป็น research preview ไม่ใช่รุ่นเสถียรสำหรับการใช้งานจริง กล่าวคือ API อาจเปลี่ยนได้ตลอด พฤติกรรมอาจแปรผัน และในคลังโค้ดก็ยังไม่มี release tag อย่างเป็นทางการ การยอมเปิดทั้งโค้ดและผลทดสอบตั้งแต่ขั้นนี้ถือเป็นความเปิดกว้าง แต่ไม่เท่ากับพร้อมต่อเข้าระบบงานจริง

เมื่อมองในบริบทที่กว้างขึ้น กรณีนี้ไม่ได้เกิดขึ้นโดดเดี่ยว ผู้เล่นหลายรายต่างมุ่งไปที่ «agent harness» คือชั้นเปลือกที่ห่อหุ้มโมเดล กำหนดว่าโมเดลเรียกใช้อะไรได้และจดจำอะไรไว้บ้าง โดยถือเป็นสมรภูมิหลักในการยกระดับผลลัพธ์ของโมเดล จุดแข่งขันจึงกำลังเคลื่อนจากตัวโมเดล ออกไปสู่งานวิศวกรรมที่อยู่รอบตัวโมเดล

ความหมายต่อผู้บริหาร

สำหรับผู้บริหารที่ไม่ได้มาสายเทคนิค สัญญาณที่แท้จริงของข่าวนี้คือ การพัฒนา AI agent กำลังถูกลดทอนความลึกลับลง และหวนกลับสู่วินัยของวิศวกรรมซอฟต์แวร์ทั่วไป เมื่อเอเจนต์คือคลาส Python หนึ่งคลาส มันย่อมถูก code review ถูกทดสอบหน่วย และถูกสอบย้อนผ่านระบบควบคุมเวอร์ชันได้ การบริหารความเสี่ยงในการนำ AI เข้าองค์กรจึงใช้กระบวนการกำกับดูแลซอฟต์แวร์ที่มีอยู่เดิมต่อได้ ไม่ต้องตั้งต้นใหม่ทั้งหมด แต่ต้องรักษาเส้นหนึ่งไว้ให้มั่น คือ research preview ไม่เท่ากับพร้อมขึ้นระบบจริง เมื่อทีมงานนำเครื่องมือใหม่มาเสนอ สิ่งที่ต้องดูไม่ใช่แค่คะแนนทดสอบ แต่รวมถึงเลขเวอร์ชัน จังหวะการออกรุ่น และประวัติการดูแลรักษาด้วย