[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-NVIDIA--NeMo-Agent-Toolkit":3,"tool-NVIDIA--NeMo-Agent-Toolkit":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160015,2,"2026-04-18T11:30:52",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":32,"env_os":100,"env_gpu":101,"env_ram":100,"env_deps":102,"category_tags":114,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":146},9125,"NVIDIA\u002FNeMo-Agent-Toolkit","NeMo-Agent-Toolkit","The NVIDIA NeMo Agent toolkit is an open-source library for efficiently connecting and optimizing teams of AI agents.","NeMo-Agent-Toolkit 是英伟达推出的一款开源库，旨在高效连接并优化由多个 AI 智能体组成的协作团队。它主要解决了智能体在从开发走向生产环境时面临的性能瓶颈、可观测性不足以及跨框架集成困难等问题，帮助开发者提升智能体团队的响应速度、决策准确性和整体运行效率。\n\n这款工具特别适合正在构建复杂多智能体系统的 AI 工程师、研究人员及企业开发者使用。无论您使用的是 LangChain、CrewAI 还是其他主流框架，NeMo-Agent-Toolkit 都能无缝集成，提供企业级的监控与优化能力。\n\n其技术亮点包括“动态运行时智能”，能自动推断请求的延迟敏感度并优化资源调度；以及“智能体性能原语（APP）”，支持并行执行和推测性分支，显著加速基于图结构的智能体工作流。此外，它还原生集成了 LangSmith 用于全链路追踪与评估，并支持通过 FastMCP 快速发布工作流。通过提供持续的自我学习与优化机制，NeMo-Agent-Toolkit 让构建高可靠、高性能的 AI 智能体团队变得更加简单直观。","\u003C!--\nSPDX-FileCopyrightText: Copyright (c) 2024-2026, NVIDIA CORPORATION & AFFILIATES. All rights reserved.\nSPDX-License-Identifier: Apache-2.0\n\nLicensed under the Apache License, Version 2.0 (the \"License\");\nyou may not use this file except in compliance with the License.\nYou may obtain a copy of the License at\n\nhttp:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0\n\nUnless required by applicable law or agreed to in writing, software\ndistributed under the License is distributed on an \"AS IS\" BASIS,\nWITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.\nSee the License for the specific language governing permissions and\nlimitations under the License.\n-->\n\n![NVIDIA NeMo Agent Toolkit](.\u002Fdocs\u002Fsource\u002F_static\u002Fbanner.png \"NeMo Agent Toolkit banner image\")\n\n# NVIDIA NeMo Agent Toolkit\n\n\u003C!-- vale off (due to hyperlinks) -->\n[![License: Apache 2.0](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache%202.0-green.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FApache-2.0)\n[![GitHub Release](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fv\u002Frelease\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Freleases)\n[![PyPI version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fnvidia-nat)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fnvidia-nat\u002F)\n[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues)\n[![GitHub pull requests](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues-pr\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpulls)\n[![GitHub Repo stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit)\n[![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fnetwork\u002Fmembers)\n[![Ask DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fbadge.svg)](https:\u002F\u002Fdeepwiki.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit)\n[![Open in Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002F)\n\u003C!-- vale on -->\n\n\u003Cdiv align=\"center\">\n\n*NVIDIA NeMo Agent Toolkit adds intelligence to AI agents across any framework—enhancing speed, accuracy, and decision-making through enterprise-grade instrumentation, observability, and continuous learning.*\n\n\u003C\u002Fdiv>\n\n## 🔥 New Features\n\n- [**Dynamo Runtime Intelligence:**](.\u002Fexamples\u002Fdynamo_integration\u002Flatency_sensitivity_demo\u002FREADME.md) Automatically infer per-request latency sensitivity from agent profiles and apply runtime hints for cache control, load-aware routing, and priority-aware serving.\n- [**Agent Performance Primitives (APP):**](https:\u002F\u002Fdocs.langchain.com\u002Foss\u002Fpython\u002Fintegrations\u002Fproviders\u002Fnvidia#install-2) Introduce framework-agnostic performance primitives that accelerate graph-based agent frameworks such as LangChain, CrewAI, and Agno with parallel execution, speculative branching, and node-level priority routing.\n- [**LangSmith Native Integration:**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fobserve\u002Fobserve-workflow-with-langsmith.md) Observe end-to-end agent execution with native LangSmith tracing, run evaluation experiments, compare outcomes, and manage prompt versions across development and production workflows.\n- [**FastMCP Workflow Publishing:**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Ffastmcp-server.md) Publish NeMo Agent Toolkit workflows as MCP servers using the FastMCP server runtime to simplify MCP-native deployment and integration.\n- **Migration notice:** `1.5.0` simplifies package installation and dependency management. See the [Migration Guide](.\u002Fdocs\u002Fsource\u002Fresources\u002Fmigration-guide.md#v150).\n\n## ✨ Key Features\n\n- 🛠️ **Building Agents**: Accelerate your agent development with tools that make it easier to get your agent into production.\n  - 🧩 [**Framework Agnostic:**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fframeworks.md) Work side-by-side with agentic frameworks to add the instrumentation necessary for observing, profiling, and optimizing your agents. Use the toolkit with popular frameworks such as [LangChain](https:\u002F\u002Fwww.langchain.com\u002F), [LlamaIndex](https:\u002F\u002Fwww.llamaindex.ai\u002F), [CrewAI](https:\u002F\u002Fwww.crewai.com\u002F), [Microsoft Semantic Kernel](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fsemantic-kernel\u002F), and [Google ADK](https:\u002F\u002Fgoogle.github.io\u002Fadk-docs\u002F), as well as custom enterprise agentic frameworks and simple Python agents.\n  - 🔁 [**Reusability:**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fsharing-components.md) Build components once and use them multiple times to maximize the value from development effort.\n  - ⚡ [**Customization:**](docs\u002Fsource\u002Fget-started\u002Ftutorials\u002Fcustomize-a-workflow.md) Start with a pre-built agent, tool, or workflow, and customize it to your needs.\n  - 💬 [**Built-In User Interface:**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Flaunching-ui.md) Use the NeMo Agent Toolkit UI chat interface to interact with your agents, visualize output, and debug workflows.\n- 📈 **Agent Insights:** Utilize NeMo Agent Toolkit instrumentation to better understand how your agents function at runtime.\n  - 📊 [**Profiling:**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fprofiler.md) Profile entire workflows from the agent level all the way down to individual tokens to identify bottlenecks, analyze token efficiency, and guide developers in optimizing their agents.\n  - 🔎 [**Observability:**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fobserve\u002Fobserve.md) Track performance, trace execution flows, and gain insights into your agent behaviors in production.\n- 🚀 **Agent Optimization:** Improve your agent's quality, accuracy, and performance with a suite of tools for all phases of the agent lifecycle.\n  - 🧪 [**Evaluation System:**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fevaluate.md) Validate and maintain accuracy of agentic workflows with a suite of tools for offline evaluation.\n  - 🎯 [**Hyper-Parameter and Prompt Optimizer:**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Foptimizer.md) Automatically identify the best configuration and prompts to ensure you are getting the most out of your agent.\n  - 🧠 [**Fine-tuning with Reinforcement Learning:**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Ffinetuning\u002Findex.md) Fine-tune LLMs specifically for your agent and train intrinsic information about your workflow directly into the model.\n  - ⚡ [**NVIDIA Dynamo Integration:**](.\u002Fexamples\u002Fdynamo_integration\u002FREADME.md) Use Dynamo and NeMo Agent Toolkit together to improve agent performance at scale.\n  - ⚙️ [**Agent Performance Primitives (APP):**](https:\u002F\u002Fdocs.langchain.com\u002Foss\u002Fpython\u002Fintegrations\u002Fproviders\u002Fnvidia#install-2) Accelerate graph-based agent frameworks such as LangChain, CrewAI, and Agno with parallel execution, speculative branching, and node-level priority routing.\n- 🔌 **Protocol Support:** Integrate with common protocols used to build agents.\n  - 🔗 [**Model Context Protocol (MCP):**](.\u002Fdocs\u002Fsource\u002Fbuild-workflows\u002Fmcp-client.md) Integrate [MCP tools](.\u002Fdocs\u002Fsource\u002Fbuild-workflows\u002Fmcp-client.md) into your agents or serve your tools and agents as an [MCP server](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fmcp-server.md) for others to consume.\n  - 🤝 [**Agent-to-Agent (A2A) Protocol:**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fa2a.md) Build teams of distributed agents with full support for authentication.\n\nWith NeMo Agent Toolkit, you can move quickly, experiment freely, and ensure reliability across all your agent-driven projects.\n\n## 🚀 Installation\n\nBefore you begin using NeMo Agent Toolkit, ensure that you have Python 3.11, 3.12, or 3.13 installed on your system.\n\n> [!NOTE]\n> For users who want to run the examples, it's required to clone the repository and install from source to get the necessary files required to run the examples. Please refer to the [Examples](.\u002Fexamples\u002FREADME.md) documentation for more information.\n\nTo install the latest stable version of NeMo Agent Toolkit from PyPI, run the following command:\n\n```bash\npip install nvidia-nat\n```\n\nNeMo Agent Toolkit has many optional dependencies that can be installed with the core package. Optional dependencies are grouped by framework. For example, to install the LangChain\u002FLangGraph plugin, run the following:\n\n```bash\npip install \"nvidia-nat[langchain]\"\n```\n\nDetailed installation instructions, including the full list of optional dependencies and their conflicts, can be found in the [Installation Guide](.\u002Fdocs\u002Fsource\u002Fget-started\u002Finstallation.md).\n\n## 🌟 Hello World Example\n\nBefore getting started, it's possible to run this simple workflow and many other examples in Google Colab with no setup. Click here to open the introduction notebook: [![Open in Colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002F).\n\n1. Ensure you have set the `NVIDIA_API_KEY` environment variable to allow the example to use NVIDIA NIMs. An API key can be obtained by visiting [`build.nvidia.com`](https:\u002F\u002Fbuild.nvidia.com\u002F) and creating an account.\n\n   ```bash\n   export NVIDIA_API_KEY=\u003Cyour_api_key>\n   ```\n\n2. Create the NeMo Agent Toolkit workflow configuration file. This file will define the agents, tools, and workflows that will be used in the example. Save the following as `workflow.yml`:\n\n   ```yaml\n   functions:\n      # Add a tool to search wikipedia\n      wikipedia_search:\n         _type: wiki_search\n         max_results: 2\n\n   llms:\n      # Tell NeMo Agent Toolkit which LLM to use for the agent\n      nim_llm:\n         _type: nim\n         model_name: nvidia\u002Fnemotron-3-nano-30b-a3b\n         temperature: 0.0\n         chat_template_kwargs:\n            enable_thinking: false\n\n   workflow:\n      # Use an agent that 'reasons' and 'acts'\n      _type: react_agent\n      # Give it access to our wikipedia search tool\n      tool_names: [wikipedia_search]\n      # Tell it which LLM to use\n      llm_name: nim_llm\n      # Make it verbose\n      verbose: true\n      # Retry up to 3 times\n      parse_agent_response_max_retries: 3\n   ```\n\n3. Run the Hello World example using the `nat` CLI and the `workflow.yml` file.\n\n   ```bash\n   nat run --config_file workflow.yml --input \"List five subspecies of Aardvarks\"\n   ```\n\n   This will run the workflow and output the results to the console.\n\n   ```console\n   Workflow Result:\n   ['Here are five subspecies of Aardvarks:\\n\\n1. Orycteropus afer afer (Southern aardvark)\\n2. O. a. adametzi  Grote, 1921 (Western aardvark)\\n3. O. a. aethiopicus  Sundevall, 1843\\n4. O. a. angolensis  Zukowsky & Haltenorth, 1957\\n5. O. a. erikssoni  Lönnberg, 1906']\n   ```\n\n## 📚 Additional Resources\n\n* 📖 [Documentation](https:\u002F\u002Fdocs.nvidia.com\u002Fnemo\u002Fagent-toolkit\u002Flatest): Explore the full documentation for NeMo Agent Toolkit.\n* 🧭 [Get Started Guide](.\u002Fdocs\u002Fsource\u002Fget-started\u002Finstallation.md): Set up your environment and start building with NeMo Agent Toolkit.\n* 🤝 [Contributing](.\u002Fdocs\u002Fsource\u002Fresources\u002Fcontributing\u002Findex.md): Learn how to contribute to NeMo Agent Toolkit and set up your development environment.\n* 🧪 [Examples](.\u002Fexamples\u002FREADME.md): Explore examples of NeMo Agent Toolkit workflows located in the [`examples`](.\u002Fexamples) directory of the source repository.\n* 🛠️ [Create and Customize NeMo Agent Toolkit Workflows](docs\u002Fsource\u002Fget-started\u002Ftutorials\u002Fcustomize-a-workflow.md): Learn how to create and customize NeMo Agent Toolkit workflows.\n* 🎯 [Evaluate with NeMo Agent Toolkit](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fevaluate.md): Learn how to evaluate your NeMo Agent Toolkit workflows.\n* 🆘 [Troubleshooting](.\u002Fdocs\u002Fsource\u002Fresources\u002Ftroubleshooting.md): Get help with common issues.\n\n\n## 🛣️ Roadmap\n\n- [x] Automatic Reinforcement Learning (RL) to fine-tune LLMs for a specific agent.\n- [x] Integration with [NVIDIA Dynamo](https:\u002F\u002Fgithub.com\u002Fai-dynamo\u002Fdynamo) to reduce LLM latency at scale.\n- [x] Improve agent throughput with KV-Cache optimization.\n- [ ] Improved, standalone evaluation harness and migration to [ATIF](https:\u002F\u002Fgithub.com\u002Fharbor-framework\u002Fharbor\u002Fblob\u002Fmain\u002Frfcs\u002F0001-trajectory-format.md) for trajectory format.\n- [ ] Support for additional programming languages (TypeScript, Rust, Go, WASM) with compiled libraries.\n- [ ] Phasing out wrapping architecture to ease onboarding for more agents.\n- [ ] Support for adding skills and sandboxes to existing agents.\n- [ ] MCP authentication improvements.\n- [ ] Improved memory interface to support self-improving agents.\n\n## 💬 Feedback\n\nWe would love to hear from you! Please file an issue on [GitHub](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues) if you have any feedback or feature requests.\n\n## 🤝 Acknowledgements\n\nWe would like to thank the following groups for their contribution to the toolkit:\n\n- [Synopsys](https:\u002F\u002Fwww.synopsys.com\u002F)\n  - Google ADK framework support.\n  - Microsoft AutoGen framework support.\n- [W&B Weave Team](https:\u002F\u002Fwandb.ai\u002Fsite\u002Fweave\u002F)\n  - Contributions to the evaluation and telemetry system.\n\nIn addition, we would like to thank the following open source projects that made NeMo Agent Toolkit possible:\n\n- [Agent2Agent (A2A) Protocol](https:\u002F\u002Fgithub.com\u002Fa2aproject\u002FA2A)\n- [CrewAI](https:\u002F\u002Fgithub.com\u002FcrewAIInc\u002FcrewAI)\n- [Dynamo](https:\u002F\u002Fgithub.com\u002Fai-dynamo\u002Fdynamo)\n- [FastAPI](https:\u002F\u002Fgithub.com\u002Ftiangolo\u002Ffastapi)\n- [Google Agent Development Kit (ADK)](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fadk-python)\n- [LangChain](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain)\n- [Llama-Index](https:\u002F\u002Fgithub.com\u002Frun-llama\u002Fllama_index)\n- [Mem0ai](https:\u002F\u002Fgithub.com\u002Fmem0ai\u002Fmem0)\n- [Microsoft AutoGen](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fautogen)\n- [MinIO](https:\u002F\u002Fgithub.com\u002Fminio\u002Fminio)\n- [Model Context Protocol (MCP)](https:\u002F\u002Fgithub.com\u002Fmodelcontextprotocol\u002Fmodelcontextprotocol)\n- [OpenTelemetry](https:\u002F\u002Fgithub.com\u002Fopen-telemetry\u002Fopentelemetry-python)\n- [Phoenix](https:\u002F\u002Fgithub.com\u002Farize-ai\u002Fphoenix)\n- [Ragas](https:\u002F\u002Fgithub.com\u002Fexplodinggradients\u002Fragas)\n- [Redis](https:\u002F\u002Fgithub.com\u002Fredis\u002Fredis-py)\n- [Semantic Kernel](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fsemantic-kernel)\n- [Strands](https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-python)\n- [uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv)\n- [Weave](https:\u002F\u002Fgithub.com\u002Fwandb\u002Fweave)\n","\u003C!--\nSPDX-FileCopyrightText: 版权所有 © 2024–2026，NVIDIA CORPORATION & AFFILIATES。保留所有权利。\nSPDX-License-Identifier: Apache-2.0\n\n根据Apache许可证第2.0版（“许可证”）授权；\n除非符合许可证的规定，否则不得使用本文件。\n您可以在以下网址获取许可证副本：\n\nhttp:\u002F\u002Fwww.apache.org\u002Flicenses\u002FLICENSE-2.0\n\n除非适用法律要求或书面同意，否则软件以“按原样”基础分发，\n不提供任何形式的保证或条件，无论是明示的还是默示的。\n有关权限和限制的具体语言，请参阅许可证。\n-->\n\n![NVIDIA NeMo Agent Toolkit](.\u002Fdocs\u002Fsource\u002F_static\u002Fbanner.png \"NeMo Agent Toolkit 横幅图片\")\n\n# NVIDIA NeMo Agent Toolkit\n\n\u003C!-- vale off (由于包含超链接) -->\n[![许可证：Apache 2.0](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache%202.0-green.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FApache-2.0)\n[![GitHub 发布](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fv\u002Frelease\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Freleases)\n[![PyPI 版本](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fnvidia-nat)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fnvidia-nat\u002F)\n[![GitHub 问题](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues)\n[![GitHub 拉取请求](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues-pr\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpulls)\n[![GitHub 星标数](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit)\n[![GitHub 复刻数](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002FNVIDIA\u002FNeMo-Agent-Toolkit)](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fnetwork\u002Fmembers)\n[![Ask DeepWiki](https:\u002F\u002Fdeepwiki.com\u002Fbadge.svg)](https:\u002F\u002Fdeepwiki.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit)\n[![在 Colab 中打开](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002F)\n\u003C!-- vale on -->\n\n\u003Cdiv align=\"center\">\n\n*NVIDIA NeMo Agent Toolkit 为跨任何框架的 AI 代理注入智能——通过企业级监控、可观测性和持续学习，提升速度、准确性和决策能力。*\n\n\u003C\u002Fdiv>\n\n## 🔥 新特性\n\n- [**Dynamo 运行时智能：**](.\u002Fexamples\u002Fdynamo_integration\u002Flatency_sensitivity_demo\u002FREADME.md) 自动从代理配置文件中推断每条请求的延迟敏感度，并应用运行时提示来控制缓存、进行负载感知路由以及优先级感知服务。\n- [**代理性能原语 (APP)：**](https:\u002F\u002Fdocs.langchain.com\u002Foss\u002Fpython\u002Fintegrations\u002Fproviders\u002Fnvidia#install-2) 引入与框架无关的性能原语，通过并行执行、推测性分支和节点级优先级路由，加速基于图的代理框架，如 LangChain、CrewAI 和 Agno。\n- [**LangSmith 原生集成：**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fobserve\u002Fobserve-workflow-with-langsmith.md) 使用原生 LangSmith 跟踪功能观察端到端代理执行过程，运行评估实验、比较结果，并在开发和生产工作流中管理提示版本。\n- [**FastMCP 工作流发布：**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Ffastmcp-server.md) 使用 FastMCP 服务器运行时将 NeMo Agent Toolkit 工作流发布为 MCP 服务器，从而简化基于 MCP 的部署和集成。\n- **迁移通知：** `1.5.0` 版本简化了软件包安装和依赖管理。请参阅[迁移指南](.\u002Fdocs\u002Fsource\u002Fresources\u002Fmigration-guide.md#v150)。\n\n## ✨ 核心功能\n\n- 🛠️ **构建智能体**：通过工具加速智能体开发，让您的智能体更快投入生产。\n  - 🧩 [**框架无关性：**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fframeworks.md) 可与各类智能体框架无缝协作，添加必要的观测、性能分析和优化工具。该工具包支持主流框架，如 [LangChain](https:\u002F\u002Fwww.langchain.com\u002F)、[LlamaIndex](https:\u002F\u002Fwww.llamaindex.ai\u002F)、[CrewAI](https:\u002F\u002Fwww.crewai.com\u002F)、[Microsoft Semantic Kernel](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fsemantic-kernel\u002F) 和 [Google ADK](https:\u002F\u002Fgoogle.github.io\u002Fadk-docs\u002F) 等，同时也兼容企业自定义的智能体框架及简单的 Python 智能体。\n  - 🔁 [**可复用性：**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fsharing-components.md) 组件只需构建一次，即可多次使用，从而最大化开发投入的价值。\n  - ⚡ [**可定制性：**](docs\u002Fsource\u002Fget-started\u002Ftutorials\u002Fcustomize-a-workflow.md) 您可以从预构建的智能体、工具或工作流入手，根据需求进行个性化调整。\n  - 💬 [**内置用户界面：**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Flaunching-ui.md) 使用 NeMo Agent Toolkit 的 UI 聊天界面与您的智能体交互，可视化输出结果，并调试工作流。\n- 📈 **智能体洞察**：借助 NeMo Agent Toolkit 的监控工具，深入理解智能体在运行时的行为。\n  - 📊 [**性能分析：**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fprofiler.md) 从智能体层面到单个 token 层面，全面剖析整个工作流，识别瓶颈、分析 token 效率，并指导开发者优化智能体。\n  - 🔎 [**可观测性：**](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fobserve\u002Fobserve.md) 跟踪性能、追踪执行流程，深入了解智能体在生产环境中的行为。\n- 🚀 **智能体优化**：提供贯穿智能体生命周期各阶段的工具集，帮助您提升智能体的质量、准确性和性能。\n  - 🧪 [**评估系统：**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fevaluate.md) 通过一系列离线评估工具，验证并持续保持智能体工作流的准确性。\n  - 🎯 [**超参数与提示词优化器：**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Foptimizer.md) 自动识别最佳配置和提示词，确保您充分利用智能体的能力。\n  - 🧠 [**基于强化学习的微调：**](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Ffinetuning\u002Findex.md) 针对您的智能体专门微调大语言模型，并将关于工作流的内在信息直接融入模型中。\n  - ⚡ [**NVIDIA Dynamo 集成：**](.\u002Fexamples\u002Fdynamo_integration\u002FREADME.md) 结合 Dynamo 和 NeMo Agent Toolkit，在大规模场景下提升智能体性能。\n  - ⚙️ [**智能体性能原语 (APP)：**](https:\u002F\u002Fdocs.langchain.com\u002Foss\u002Fpython\u002Fintegrations\u002Fproviders\u002Fnvidia#install-2) 通过并行执行、推测性分支和节点级优先路由，加速基于图结构的智能体框架，如 LangChain、CrewAI 和 Agno。\n- 🔌 **协议支持**：集成用于构建智能体的常用协议。\n  - 🔗 [**模型上下文协议 (MCP)：**](.\u002Fdocs\u002Fsource\u002Fbuild-workflows\u002Fmcp-client.md) 将 [MCP 工具](.\u002Fdocs\u002Fsource\u002Fbuild-workflows\u002Fmcp-client.md) 集成到您的智能体中，或将您的工具和智能体作为 [MCP 服务器](.\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fmcp-server.md) 提供给他人使用。\n  - 🤝 [**智能体间通信协议 (A2A)：**](.\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fa2a.md) 构建分布式智能体团队，并提供完整的身份验证支持。\n\n借助 NeMo Agent Toolkit，您可以快速推进项目、自由实验，并确保所有智能体驱动型项目的可靠性。\n\n## 🚀 安装\n\n在开始使用 NeMo Agent Toolkit 之前，请确保您的系统已安装 Python 3.11、3.12 或 3.13。\n\n> [!注意]\n> 如果您想运行示例代码，需要克隆仓库并从源码安装，以获取运行示例所需的文件。更多信息请参阅 [示例文档](.\u002Fexamples\u002FREADME.md)。\n\n要从 PyPI 安装最新稳定版的 NeMo Agent Toolkit，请运行以下命令：\n\n```bash\npip install nvidia-nat\n```\n\nNeMo Agent Toolkit 还有许多可选依赖项，可随核心包一起安装。这些可选依赖项按框架分组。例如，要安装 LangChain\u002FLangGraph 插件，请运行：\n\n```bash\npip install \"nvidia-nat[langchain]\"\n```\n\n详细的安装说明，包括所有可选依赖项及其冲突信息，可在 [安装指南](.\u002Fdocs\u002Fsource\u002Fget-started\u002Finstallation.md) 中找到。\n\n## 🌟 Hello World 示例\n\n在开始之前，您无需任何设置即可在 Google Colab 中运行此简单工作流及其他多个示例。点击此处打开入门笔记本：[![在 Colab 中打开](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002F)。\n\n1. 确保已设置 `NVIDIA_API_KEY` 环境变量，以便示例能够使用 NVIDIA NIM 模型。您可以通过访问 [`build.nvidia.com`](https:\u002F\u002Fbuild.nvidia.com\u002F) 并创建账户来获取 API 密钥。\n\n   ```bash\n   export NVIDIA_API_KEY=\u003Cyour_api_key>\n   ```\n\n2. 创建 NeMo Agent Toolkit 工作流配置文件。该文件将定义示例中使用的智能体、工具和工作流。将以下内容保存为 `workflow.yml`：\n\n   ```yaml\n   functions:\n      # 添加一个用于搜索维基百科的工具\n      wikipedia_search:\n         _type: wiki_search\n         max_results: 2\n\n   llms:\n      # 指定 NeMo Agent Toolkit 使用哪个 LLM 作为智能体的基础模型\n      nim_llm:\n         _type: nim\n         model_name: nvidia\u002Fnemotron-3-nano-30b-a3b\n         temperature: 0.0\n         chat_template_kwargs:\n            enable_thinking: false\n\n   workflow:\n      # 使用一个“推理”并“行动”的智能体\n      _type: react_agent\n      # 授予其访问维基百科搜索工具的权限\n      tool_names: [wikipedia_search]\n      # 指定使用的 LLM\n      llm_name: nim_llm\n      # 设置为详细模式\n      verbose: true\n      # 允许最多重试 3 次\n      parse_agent_response_max_retries: 3\n   ```\n\n3. 使用 `nat` CLI 和 `workflow.yml` 文件运行 Hello World 示例。\n\n   ```bash\n   nat run --config_file workflow.yml --input \"列出土豚的五个亚种\"\n   ```\n\n   这将运行工作流，并将结果输出到控制台。\n\n   ```console\n   工作流结果：\n   ['以下是土豚的五个亚种：\\n\\n1. Orycteropus afer afer（南方土豚）\\n2. O. a. adametzi Grote, 1921（西方土豚）\\n3. O. a. aethiopicus Sundevall, 1843\\n4. O. a. angolensis Zukowsky & Haltenorth, 1957\\n5. O. a. erikssoni Lönnberg, 1906']\n   ```\n\n## 📚 其他资源\n\n* 📖 [文档](https:\u002F\u002Fdocs.nvidia.com\u002Fnemo\u002Fagent-toolkit\u002Flatest)：浏览 NeMo Agent Toolkit 的完整文档。\n* 🧭 [入门指南](.\u002Fdocs\u002Fsource\u002Fget-started\u002Finstallation.md)：设置您的环境并开始使用 NeMo Agent Toolkit 进行开发。\n* 🤝 [贡献指南](.\u002Fdocs\u002Fsource\u002Fresources\u002Fcontributing\u002Findex.md)：了解如何为 NeMo Agent Toolkit 做出贡献，并配置您的开发环境。\n* 🧪 [示例](.\u002Fexamples\u002FREADME.md)：探索位于源代码仓库 [`examples`](.\u002Fexamples) 目录中的 NeMo Agent Toolkit 工作流示例。\n* 🛠️ [创建和自定义 NeMo Agent Toolkit 工作流](docs\u002Fsource\u002Fget-started\u002Ftutorials\u002Fcustomize-a-workflow.md)：学习如何创建和自定义 NeMo Agent Toolkit 工作流。\n* 🎯 [使用 NeMo Agent Toolkit 进行评估](.\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Fevaluate.md)：了解如何评估您的 NeMo Agent Toolkit 工作流。\n* 🆘 [故障排除](.\u002Fdocs\u002Fsource\u002Fresources\u002Ftroubleshooting.md)：获取常见问题的解决方法。\n\n\n## 🛣️ 路线图\n\n- [x] 自动强化学习 (RL)，用于针对特定智能体微调大语言模型。\n- [x] 与 [NVIDIA Dynamo](https:\u002F\u002Fgithub.com\u002Fai-dynamo\u002Fdynamo) 集成，以在大规模场景下降低大语言模型的延迟。\n- [x] 通过 KV 缓存优化提升智能体吞吐量。\n- [ ] 改进独立的评估框架，并将轨迹格式迁移到 [ATIF](https:\u002F\u002Fgithub.com\u002Fharbor-framework\u002Fharbor\u002Fblob\u002Fmain\u002Frfcs\u002F0001-trajectory-format.md)。\n- [ ] 支持更多编程语言（TypeScript、Rust、Go、WASM），并提供编译后的库。\n- [ ] 逐步淘汰封装架构，以简化更多智能体的接入流程。\n- [ ] 支持向现有智能体添加技能和沙盒环境。\n- [ ] 改进 MCP 认证机制。\n- [ ] 完善内存接口，以支持自我改进型智能体。\n\n## 💬 反馈\n\n我们非常期待您的反馈！如果您有任何意见或功能请求，请在 [GitHub](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues) 上提交 issue。\n\n## 🤝 致谢\n\n我们感谢以下组织对本工具包的贡献：\n\n- [Synopsys](https:\u002F\u002Fwww.synopsys.com\u002F)\n  - 提供 Google ADK 框架支持。\n  - 提供 Microsoft AutoGen 框架支持。\n- [W&B Weave 团队](https:\u002F\u002Fwandb.ai\u002Fsite\u002Fweave\u002F)\n  - 为评估和遥测系统做出贡献。\n\n此外，我们还要感谢以下开源项目，正是它们的支持才使得 NeMo Agent Toolkit 成为可能：\n\n- [Agent2Agent (A2A) 协议](https:\u002F\u002Fgithub.com\u002Fa2aproject\u002FA2A)\n- [CrewAI](https:\u002F\u002Fgithub.com\u002FcrewAIInc\u002FcrewAI)\n- [Dynamo](https:\u002F\u002Fgithub.com\u002Fai-dynamo\u002Fdynamo)\n- [FastAPI](https:\u002F\u002Fgithub.com\u002Ftiangolo\u002Ffastapi)\n- [Google 智能体开发套件 (ADK)](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fadk-python)\n- [LangChain](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain)\n- [Llama-Index](https:\u002F\u002Fgithub.com\u002Frun-llama\u002Fllama_index)\n- [Mem0ai](https:\u002F\u002Fgithub.com\u002Fmem0ai\u002Fmem0)\n- [Microsoft AutoGen](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fautogen)\n- [MinIO](https:\u002F\u002Fgithub.com\u002Fminio\u002Fminio)\n- [模型上下文协议 (MCP)](https:\u002F\u002Fgithub.com\u002Fmodelcontextprotocol\u002Fmodelcontextprotocol)\n- [OpenTelemetry](https:\u002F\u002Fgithub.com\u002Fopen-telemetry\u002Fopentelemetry-python)\n- [Phoenix](https:\u002F\u002Fgithub.com\u002Farize-ai\u002Fphoenix)\n- [Ragas](https:\u002F\u002Fgithub.com\u002Fexplodinggradients\u002Fragas)\n- [Redis](https:\u002F\u002Fgithub.com\u002Fredis\u002Fredis-py)\n- [语义核](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fsemantic-kernel)\n- [Strands](https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-python)\n- [uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv)\n- [Weave](https:\u002F\u002Fgithub.com\u002Fwandb\u002Fweave)","# NVIDIA NeMo Agent Toolkit 快速上手指南\n\nNVIDIA NeMo Agent Toolkit 是一个企业级 AI 智能体开发工具包，旨在为任何框架下的 AI 智能体增强速度、准确性和决策能力。它提供了框架无关的集成、性能分析、可观测性以及自动优化功能。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (WSL 推荐)\n*   **Python 版本**：3.11, 3.12 或 3.13\n*   **API Key**：需要 NVIDIA API Key 以使用 NVIDIA NIMs 模型。请访问 [build.nvidia.com](https:\u002F\u002Fbuild.nvidia.com\u002F) 注册账号并获取密钥。\n\n> **注意**：如果您希望运行官方提供的完整示例代码，建议克隆仓库并从源码安装，以获取必要的配置文件和资源。\n\n## 安装步骤\n\n### 1. 安装核心包\n使用 pip 安装最新稳定版本：\n\n```bash\npip install nvidia-nat\n```\n\n### 2. 安装可选依赖（按需）\nNeMo Agent Toolkit 支持多种主流智能体框架（如 LangChain, CrewAI 等）。您可以根据需要安装特定插件。例如，安装 LangChain\u002FLangGraph 插件：\n\n```bash\npip install \"nvidia-nat[langchain]\"\n```\n\n其他支持的框架依赖可通过 `[crewai]`, `[llamaindex]` 等后缀进行安装。\n\n## 基本使用\n\n以下是一个最简单的\"Hello World\"示例，展示如何配置并运行一个基于 ReAct 模式的智能体，使其能够搜索维基百科。\n\n### 第一步：设置环境变量\n在终端中导出您的 NVIDIA API Key：\n\n```bash\nexport NVIDIA_API_KEY=\u003Cyour_api_key>\n```\n\n### 第二步：创建工作流配置文件\n创建一个名为 `workflow.yml` 的文件，定义智能体使用的工具、大模型及工作流逻辑：\n\n```yaml\nfunctions:\n   # 添加一个搜索维基百科的工具\n   wikipedia_search:\n      _type: wiki_search\n      max_results: 2\n\nllms:\n   # 指定智能体使用的大模型\n   nim_llm:\n      _type: nim\n      model_name: nvidia\u002Fnemotron-3-nano-30b-a3b\n      temperature: 0.0\n      chat_template_kwargs:\n         enable_thinking: false\n\nworkflow:\n   # 使用具备“推理”和“行动”能力的 ReAct 智能体\n   _type: react_agent\n   # 赋予其访问维基百科搜索工具的权限\n   tool_names: [wikipedia_search]\n   # 指定使用的大模型\n   llm_name: nim_llm\n   # 开启详细输出模式\n   verbose: true\n   # 解析智能体响应时最多重试 3 次\n   parse_agent_response_max_retries: 3\n```\n\n### 第三步：运行智能体\n使用 `nat` 命令行工具加载配置文件并输入指令：\n\n```bash\nnat run --config_file workflow.yml --input \"List five subspecies of Aardvarks\"\n```\n\n**预期输出：**\n智能体将调用工具进行搜索，并在控制台返回结果：\n\n```console\nWorkflow Result:\n['Here are five subspecies of Aardvarks:\\n\\n1. Orycteropus afer afer (Southern aardvark)\\n2. O. a. adametzi  Grote, 1921 (Western aardvark)\\n3. O. a. aethiopicus  Sundevall, 1843\\n4. O. a. angolensis  Zukowsky & Haltenorth, 1957\\n5. O. a. erikssoni  Lönnberg, 1906']\n```\n\n---\n*更多高级功能（如性能分析、评估优化、MCP 协议集成等）请参考官方文档。*","某电商平台的智能客服团队正在构建一个由多个 AI 代理组成的复杂系统，分别负责意图识别、订单查询、退换货策略制定及最终回复生成，以应对大促期间的高并发咨询。\n\n### 没有 NeMo-Agent-Toolkit 时\n- **协作效率低下**：不同框架（如 LangChain 和 CrewAI）开发的代理之间缺乏统一调度，串行执行导致用户平均等待时间超过 8 秒。\n- **故障定位困难**：当回答出现错误时，开发者无法追踪具体是哪个代理节点或哪次工具调用出了问题，排查需耗费数小时。\n- **资源浪费严重**：系统无法区分紧急与非紧急请求，所有任务同等排队，导致高优先级 VIP 客户体验受损。\n- **优化缺乏依据**：缺少细粒度的性能画像，团队只能凭经验盲目调整参数，难以实现针对性的加速。\n\n### 使用 NeMo-Agent-Toolkit 后\n- **并行加速执行**：利用 Agent Performance Primitives (APP) 实现跨框架的并行执行与推测性分支，将响应延迟从 8 秒降至 1.5 秒以内。\n- **全链路可观测**：通过原生集成的 LangSmith 追踪，开发者能清晰看到每个代理的思考路径与工具调用详情，故障定位缩短至分钟级。\n- **智能动态路由**：Dynamo 运行时智能体自动识别请求的延迟敏感度，优先处理 VIP 客户的紧急诉求，显著提升服务满意度。\n- **数据驱动迭代**：基于详细的性能基线数据，团队可精准优化瓶颈节点，并持续评估不同提示词版本的生产效果。\n\nNeMo-Agent-Toolkit 通过企业级的可观测性与智能调度能力，将松散的 AI 代理团队转化为高效、透明且可进化的生产级智能系统。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FNVIDIA_NeMo-Agent-Toolkit_3a1e7a09.png","NVIDIA","NVIDIA Corporation","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FNVIDIA_7dcf6000.png","",null,"https:\u002F\u002Fnvidia.com","https:\u002F\u002Fgithub.com\u002FNVIDIA",[81,85,89,93],{"name":82,"color":83,"percentage":84},"Python","#3572A5",99.4,{"name":86,"color":87,"percentage":88},"Shell","#89e051",0.5,{"name":90,"color":91,"percentage":92},"Dockerfile","#384d54",0,{"name":94,"color":95,"percentage":92},"Jinja","#a52a22",2200,608,"2026-04-18T00:42:56","Apache-2.0","未说明","未说明 (工具主要作为编排层，具体 GPU 需求取决于后端调用的 NVIDIA NIM 模型或本地部署的 LLM)",{"notes":103,"python":104,"dependencies":105},"1. 必须设置 NVIDIA_API_KEY 环境变量以使用 NVIDIA NIMs 服务。2. 运行示例代码需从源码克隆仓库。3. 支持通过 pip 安装可选依赖（如 nvidia-nat[langchain]）来集成不同框架。4. 该工具主要用于代理编排、观测和优化，计算负载通常卸载到云端 NIM 或本地独立模型服务。","3.11, 3.12, 3.13",[106,107,108,109,110,111,112,113],"nvidia-nat (核心包)","LangChain (可选插件)","LlamaIndex (可选插件)","CrewAI (可选插件)","Microsoft Semantic Kernel (可选插件)","Google ADK (可选插件)","NVIDIA Dynamo (可选集成)","FastMCP (可选集成)",[14,13],"2026-03-27T02:49:30.150509","2026-04-18T22:32:41.231273",[118,123,128,133,137,142],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},40954,"在 Python 3.11 版本下运行 `nat serve` 时遇到 \"Runner.run() cannot be called from a running event loop\" 错误，如何解决？","该问题是由于 Python 3.11 与更高版本（3.12+）在 `uvicorn.run()` 处理事件循环的行为差异导致的。在 Python 3.11 中，它会尝试创建自己的事件循环从而引发冲突，而在 3.12 及以上版本中则正常工作。\n\n解决方案是将项目的最低 Python 版本要求提升至 3.12：\n1. 修改 `README.md`，将支持的 Python 版本描述从 \"3.11, 3.12, or 3.13\" 改为 \"3.12, or 3.13\"。\n2. 修改 `pyproject.toml`，将 `requires-python = \">=3.11,\u003C3.14\"` 更新为 `requires-python = \">=3.12,\u003C3.14\"`。\n\n建议用户直接使用 Python 3.12 或 3.13 环境来运行 `nat serve`。","https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues\u002F1437",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},40955,"使用 Weave 进行评估（`nat eval`）时，为什么评估结果无法记录到 Weave 的 Evaluations 仪表板，且日志中出现 `SecretStr` 序列化错误？","这是因为 `WeaveEvaluationIntegration.initialize_logger()` 在处理包含 API 密钥的配置时，遇到了 `SecretStr` 类型的序列化问题，导致初始化静默失败。具体表现为日志中出现警告：`Error calling function 'get_secret_value': AttributeError: 'str' object has no attribute 'get_secret_value'`。\n\n虽然单独的追踪（traces）可能仍然工作，但聚合的评估结果无法上传。这通常发生在配置文件中的 LLM API 密钥被加载为 `SecretStr` 对象，而 Weave 的日志初始化函数期望的是普通字符串或特定的获取方法。需检查配置文件中 API Key 的加载方式，确保其能正确转换为字符串传递给 Weave 插件，或者等待官方修复该序列化兼容性问题。","https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues\u002F1294",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},40956,"如何在 `aiq run` 或 UI 中传递自定义输入变量供工具使用？","目前 `--override` 字段仅能覆盖工作流配置中的值，无法直接作为动态输入传递给工具函数。若需在工具中访问自定义参数（如 `id`），需要在定义工具函数时将其显式声明为参数。\n\n例如，函数定义应类似于：\n```python\ndef my_function(main_input: SomeObject, id: str):\n   ...\n```\n这样，系统才能识别并将额外的输入值映射到函数的对应参数中。当前 UI 尚未完全暴露让用户直接定义额外参数的表单机制，建议通过函数签名明确所需输入，并在调用时确保上下文包含这些键值对。","https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues\u002F218",{"id":134,"question_zh":135,"answer_zh":136,"source_url":122},40957,"运行 `nat serve` 时出现 \"'FastApiFrontEndPlugin' object has no attribute '_dask_client'\" 错误是什么原因？","该错误通常与 Dask 未安装或异步执行环境未正确初始化有关。日志中通常会伴随警告：`Dask is not installed, async execution and evaluation will not be available.`。\n\n当配置启用了异步功能但缺少 Dask 依赖时，`FastApiFrontEndPlugin` 无法创建 `_dask_client` 属性，从而导致初始化失败。解决方法是确保已安装 Dask 相关依赖（例如通过 `pip install nvidia-nat[all]` 或手动安装 `dask[distributed]`），或者在配置文件中禁用需要 Dask 的异步执行选项。",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},40958,"如何优化 CodeRabbit 配置以减少 PR 审查中的噪音并提高对 Agent 逻辑的检查质量？","可以通过调整 `.coderabbit.yaml` 配置文件来实现更精准的审查：\n1. **范围控制**：在全局指令中添加指导，要求 AI 将超出范围或样式类的建议汇总为一条总结评论，而不是分散的内联评论，以减少干扰。\n2. **工具调用模式验证**：针对 `**\u002F*.py` 文件，增加规则检查用于 LLM 工具的 Pydantic 类是否包含描述性字段（如 `Field(description=...)`），以确保元数据质量。\n3. **异步安全检查**：专门针对异步函数设置规则，标记其中误用的阻塞 I\u002FO 操作（如 `time.sleep()`, `requests.get()`），防止事件循环挂起。\n\n注意：在提出此类改进前，应先手动深入分析现有配置，避免过度依赖 LLM 生成冗余或不准确的建议。","https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fissues\u002F1639",{"id":143,"question_zh":144,"answer_zh":145,"source_url":122},40959,"NAT (NeMo Agent Toolkit) 支持哪些 Python 版本？","根据最新的兼容性测试和修复情况，NAT 正式支持 **Python 3.12** 和 **Python 3.13**。\n\n虽然早期文档可能提及支持 Python 3.11，但在 3.11 环境下运行 `nat serve` 等命令时会因 `uvicorn` 事件循环处理机制的差异而报错（如 \"Runner.run() cannot be called from a running event loop\"）。因此，强烈建议使用 Python 3.12 或更高版本以避免此类运行时错误。CI 测试矩阵也主要覆盖 3.11-3.13，但生产环境推荐 3.12+。",[147,152,157,162,167,172,177,182,187,192,197,202,207],{"id":148,"version":149,"summary_zh":150,"released_at":151},324512,"v1.6.0","\u003C!-- 发布说明由 .github\u002Frelease.yml 中的配置在 v1.6.0 版本时生成 -->\n### 🚀 重要功能与改进\n* 本次发布引入了基于 ATIF 的评估功能，包括一个独立的评估器类，可用于评估由任何系统生成的 ATIF 轨迹。\n\n## 变更内容\n### 🚨 破坏性变更\n* NAT Eval 依赖项精简，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1690 中完成\n* 将 nvidia_nat_ragas 迁移到 Ragas v0.4，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1780 中完成\n* 增加对可选禁用 SSL\u002FTLS 验证的支持，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1640 中完成\n* 添加集中式用户身份管理和自定义 WebSocket 认证，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1775 中完成\n* 功能：提取优化器包，由 @bhuvan002 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1637 中完成\n* 将 ATIF 模式从核心模块中解耦，并使 nvidia-nat-eval 默认轻量化，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1833 中完成\n### ✨ 新功能\n* 添加 TimeoutMiddleware，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1677 中完成\n* 功能（代理）：流式传输工具调用分块，由 @MylesShannon 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1717 中完成\n* 添加 ATIF 适配器：`IntermediateStep` 至 Harbor ATIF v1.6 轨迹转换，由 @yczhang-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1663 中完成\n* 功能（控制流）：添加内置 parallel_executor 及示例，由 @antoniomtz 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1733 中完成\n* 恢复因 #1710 而被撤销的 TimeoutMiddleware，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1753 中完成\n* 添加 ATIF 原生评估器接口及运行时双通道调度，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1747 中完成\n* 为工具调用代理添加 LLM 错误恢复、重试逻辑和诊断日志记录，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1757 中完成\n* 添加仅适用于 ATIF 的自定义评估器示例及文档，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1766 中完成\n* 功能（性能分析）：ATIF 原生性能分析器，由 @afourniernv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1751 中完成\n* 添加预工具验证器防御中间件，用于检测输入指令违规，由 @lidan-capsule 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1605 中完成\n* 为 NeMo Agent 工具包添加 MemMachine 内存集成，由 @Charlie-Yi-2002 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1460 中完成\n* 嵌套 ATIF 血统关系，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1814 中完成\n### 🔧 改进\n* 将 release\u002F1.5 向前合并至 develop 分支，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1676 中完成\n* 为 Weave 跟踪和反馈添加用户归属信息，由 @thepatrickchin 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1668 中完成\n* 移","2026-04-10T02:27:16",{"id":153,"version":154,"summary_zh":155,"released_at":156},324513,"v1.4.3","\u003C!-- 使用 .github\u002Frelease.yml 中的配置在 v1.4.3 版本生成的发布说明 -->\n\n## 变更内容\n### 🐛 修复了 bug\n* 修复(release\u002F1.4)：由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1801 中为 `nvidia-nat-all` 软件包指定了明确的版本号。\n\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fcompare\u002Fv1.4.2...v1.4.3","2026-03-14T00:29:33",{"id":158,"version":159,"summary_zh":160,"released_at":161},324514,"v1.4.2","## 变更内容\n### 🐛 修复缺陷\n* 修复(release\u002F1.4)：由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1800 中指定明确的子包版本\n\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fcompare\u002Fv1.4.1...v1.4.2","2026-03-13T22:31:01",{"id":163,"version":164,"summary_zh":165,"released_at":166},324515,"v1.5.0","\u003C!-- 使用 .github\u002Frelease.yml 中的配置在 v1.5.0 版本生成的发布说明 -->\n\n### 🚀 重要功能与改进\n\n- [**Dynamo 运行时智能：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.5\u002Fexamples\u002Fdynamo_integration\u002Flatency_sensitivity_demo\u002FREADME.md) 自动从代理配置文件中推断每条请求的延迟敏感性，并应用运行时提示来控制缓存、进行负载感知路由以及实现优先级感知的服务。\n- [**代理性能原语 (APP)：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.5\u002Fpackages\u002Fnvidia_nat_app\u002Fsrc\u002Fmeta\u002Fpypi.md) 引入与框架无关的性能原语，通过并行执行、推测性分支和节点级别的优先级路由，加速基于图的代理框架，如 LangChain、CrewAI 和 Agno。\n- [**LangSmith 原生集成：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.5\u002Fdocs\u002Fsource\u002Frun-workflows\u002Fobserve\u002Fobserve-workflow-with-langsmith.md) 使用原生 LangSmith 跟踪功能观察端到端的代理执行过程，运行评估实验、比较结果，并在开发和生产工作流中管理提示版本。\n- [**FastMCP 工作流发布：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.5\u002Fdocs\u002Fsource\u002Frun-workflows\u002Ffastmcp-server.md) 利用 FastMCP 运行时将 NeMo 代理工具包的工作流发布为 MCP 服务器，从而简化基于 MCP 的部署和集成。\n\n**迁移通知：** `1.5.0` 包含打包和兼容性方面的重构（元包结构调整、评估\u002F剖析包拆分以及导入路径更新）。请参阅[迁移指南](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.5\u002Fdocs\u002Fsource\u002Fresources\u002Fmigration-guide.md#v150)。\n\n### 🚨 破坏性变更\n* 动态推理头信息与预测 Trie 集成，由 @dnandakumar-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1483 中实现。\n* 改进（打包）：库的打包结构调整，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1512 中完成。\n* 修复：Langchain 代理应重用可运行配置，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1604 中修复。\n* 重构：将评估\u002F剖析模块拆分为可选的 nvidia-nat-eval 包，由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1599 中完成。\n* 改进：nvext.agent_hints 和 nvext.cache_control 的清理工作，由 @bbednarski9 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1648 中完成。\n### ✨ 新特性\n* 将评估者反馈添加到 GA 优化器中，由 @dnandakumar-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1442 中实现。\n* 为 Redis 语义搜索添加相似度分数和阈值过滤功能，由 @thepatrickchin 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1434 中实现。\n* 添加端到端自定义元数据传播以支持可观测性，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1480 中实现。\n* 公开 MCP 会话 ID，并添加自定义头信息支持以实现会话关联，由 @yczhang-nv 在 http","2026-03-12T20:04:29",{"id":168,"version":169,"summary_zh":170,"released_at":171},324516,"v1.4.1","## 变更内容\n### 🐛 修复缺陷\n* fix(serve): 确保 Python 3.11 使用单个事件循环，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1558 中完成\n\n### 📚 文档\n* 记录新的 `nat serve` CLI 标志，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1562 中完成\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fcompare\u002Fv1.4.0...v1.4.1","2026-02-09T17:51:44",{"id":173,"version":174,"summary_zh":175,"released_at":176},324517,"v1.4.0","### 🚀 重要功能与改进\n- [**LangGraph 代理自动封装器：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fexamples\u002Fframeworks\u002Fauto_wrapper\u002Flangchain_deep_research\u002FREADME.md) 轻松将现有 LangGraph 代理接入 NeMo 代理工具包。借助自动封装器，只需对 LangGraph 代理进行极少量修改，即可使用 NeMo 代理工具包的高级功能。\n- [**自动强化学习 (RL)：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Ffinetuning\u002Findex.md) 通过微调开源大语言模型，使其更好地理解您的代理工作流、工具和提示词，从而提升代理质量。您可以使用 NeMo 代理工具包内置的评估系统作为验证器，借助 [OpenPipe ART](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Ffinetuning\u002Frl_with_openpipe.md) 执行 GRPO，或借助 [NeMo Customizer](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fimprove-workflows\u002Ffinetuning\u002Fdpo_with_nemo_customizer.md) 执行 DPO。\n- [**初步集成 NVIDIA Dynamo：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fexamples\u002Fdynamo_integration\u002FREADME.md) 通过初步支持 Dynamo，加速代理式工作流的端到端部署。利用全新的代理感知路由器，通过预测未来代理行为来降低工作节点延迟。\n- [**A2A 支持：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fa2a.md) 使用 A2A 协议构建分布式代理团队。\n- [**安全与保障引擎：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fexamples\u002Fsafety_and_security\u002Fretail_agent\u002FREADME.md) 通过模拟基于场景的攻击、风险画像、运行符合护栏要求的评估以及红队演练等防御措施，强化安全与保障工作流。无论在何种框架下，均可验证防御机制、绘制风险画像、监控代理行为并加固代理。\n- [**Amazon Bedrock AgentCore 和 Strands 代理支持：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fframeworks.md#strands) 使用 Strands 代理框架构建代理，并将其安全部署在 Amazon Bedrock AgentCore 运行时上。\n- [**Microsoft AutoGen 支持：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fcomponents\u002Fintegrations\u002Fframeworks.md#autogen) 使用 Microsoft AutoGen 框架构建代理。\n- [**用户专属函数：**](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.4\u002Fdocs\u002Fsource\u002Fextend\u002Fcustom-components\u002Fcustom-functions\u002Fper-user-functions.md) 利用用户专属函数实现延迟实例化，从而支持每用户状态化函数、每用户资源等功能。\n\n### 🚨 重大变更\n* 更新 weave 跟踪标识符，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1055 中完成。\n* 新增功能：将计算器函数整合为单个函数组，由 @willkill0 完成。","2026-02-03T02:18:06",{"id":178,"version":179,"summary_zh":180,"released_at":181},324518,"v1.3.1","## 变更内容\n### ✨ 新功能\n* 功能：通过模型门控 `top_p` 添加对 claude-sonnet-4.5 的支持，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1134 中实现。\n* 在自定义路由中添加对任意 JSON 请求体类型的支持，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1163 中实现。\n### 🐛 修复的缺陷\n* 缺陷：修复配置中不可序列化为 JSON 的对象，由 @bbednarski9 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1112 中修复。\n* 修复 ADK 演示中的多用户会话问题，由 @antoniomtz 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1120 中修复。\n* 修复“nat mcp serve”使用的工具转换中可选参数的检测问题，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1133 中修复。\n* 异步聊天相关修复，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1131 中完成。\n* 修复使用 Piston 服务器时 `code_execution_tool` 的代码拼接问题，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1154 中修复。\n* 修复文档版本切换器问题，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1167 中修复。\n### 📝 文档更新\n* 各类文档修复，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1136 中完成。\n* 记录在使用 `ToolTestRunner` 之前需要安装 `nvidia-nat-test` 的要求，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1150 中添加。\n* 更新推理流程图，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1153 中完成。\n* 更新快速入门 UI 文档，由 @ericevans-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1156 中完成。\n* 添加 SECURITY.md 文档，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1164 中完成。\n* 文档：1.3.1 版本变更日志，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1166 中完成。\n* 添加 `security-considerations.md` 文档，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1168 中完成。\n### 其他变更\n* [发布] NeMo-Agent-Toolkit v1.3.1，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1169 中发布。\n\n## 新贡献者\n* @antoniomtz 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F1120 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fcompare\u002Fv1.3.0...v1.3.1","2025-11-07T20:21:28",{"id":183,"version":184,"summary_zh":185,"released_at":186},324519,"v1.3.0","## 变更内容\n\n### 🚀 重要功能与改进\n* [ADK 支持](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Freference\u002Fframeworks-overview.md)：支持 Google 代理开发工具包 (ADK)。此版本新增了工具调用、核心可观测性以及 LLM 集成。\n* [控制流代理](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Fabout\u002Findex.md)：[顺序执行器](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Fabout\u002Fsequential-executor.md)（线性代理）和 [路由器代理](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Fabout\u002Frouter-agent.md) 现在可以控制工具调用和子代理的流程模式。\n* [函数组](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Ffunction-groups.md)：将多个相关函数打包在一起，使其共享配置、上下文和资源。\n* [超参数代理优化器](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Freference\u002Foptimizer.md)：自动执行工作流的超参数调优和提示工程。\n* [入门笔记本改进](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fexamples\u002Fnotebooks\u002FREADME.md)：重新组织了入门笔记本，并添加了“在 Colab 中打开”链接。\n* [LLM 改进](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Fllms\u002Findex.md)\n  - 新增 LiteLLM 提供者\n  - 支持 GPT-5（仅 `\u002Fchat\u002Fcompletions` 端点）\n  - 新增 Nemotron 思考配置\n* [MCP 改进](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.3\u002Fdocs\u002Fsource\u002Fworkflows\u002Fmcp\u002Findex.md)\n  - 支持 `streamable-http`——`sse` 不再是默认传输类型。\n  - 支持初始授权——允许连接到需要身份验证的 MCP 服务器。\n  - 支持从单个配置中使用多个 MCP 工具——可拉取 MCP 服务器发布的完整工具集，或根据用户配置进行筛选。\n  - 增强了用于 MCP 服务器和客户端的 CLI 工具——改进了 `nat mcp` 子命令，用于查询、调用和列出工具。\n* 支持 Python 3.13\n\n### 🚨 破坏性变更\n* @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F649 中对 Redis 配置进行了更改。\n* MCP 增强：改进了服务器配置，并由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F718 中增加了对所有传输类型（stdio、streamable-http）的支持。\n* 由 @AnuradhaKaruppiah 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F768 中将 MCP 客户端移至单独的子包。\n* @yczhang-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F757 中对 `BaseAgent` 的签名进行了更改。\n* 内置 GitHub 工具已切换为函数组，由 @willkill07 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F684 中完成。\n* @gfreeman-n 修复了 tool_calling_agent 中的聊天历史支持。","2025-10-24T21:26:58",{"id":188,"version":189,"summary_zh":190,"released_at":191},324520,"v1.2.1","### 📦 概述\n这是一个仅包含文档的发布版本，本次发布没有代码变更。\n\n### 📜 完整变更日志\n* 由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F681 中为文档构建添加了版本切换器。\n* 由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F687 中向文档中添加了指向 GitHub 仓库的链接。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fcompare\u002Fv1.2.0...v1.2.1","2025-08-20T21:25:37",{"id":193,"version":194,"summary_zh":195,"released_at":196},324521,"v1.2.0","### 📦 概述\nNeMo Agent 工具包，前身为 Agent Intelligence (AIQ) 工具包，现已更名为与 NVIDIA NeMo 产品家族保持一致。本次发布在身份验证、资源管理、可观测性以及开发者体验等方面带来了重要的新功能和改进。该工具包继续保持向后兼容性，确保现有用户能够无缝过渡。\n\n尽管 NeMo Agent 工具包旨在与旧版本兼容，但我们仍建议用户更新代码，以遵循最新的规范和最佳实践。迁移说明请参阅[迁移指南](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Fresources\u002Fmigration-guide.md)。\n\n### 🚨 重大变更\n* 移除过时或不支持的 devcontainer，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F626 中完成。\n* 将 `aiq` 命名空间重命名为 `nat`，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F618 中完成。\n* 更新文档和注释中的 `AIQ` 为 `NAT`，由 @yczhang-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F614 中完成。\n* 从类名和函数名中移除 `AIQ` 前缀，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F606 中完成。\n* 将 aiqtoolkit 包重命名为 nvidia-nat，由 @dagardner-nv 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F598 中完成。\n* 重新设计可观测性模块，以减少依赖并提升灵活性，由 @mpenn 在 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fpull\u002F379 中完成。\n\n### 🚀 重要特性与改进\n* [工具调用的身份验证](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Freference\u002Fapi-authentication.md)：实现强大的身份验证机制，为代理工作流中的工具调用提供安全且可配置的访问控制。\n* [测试时计算](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Freference\u002Ftest-time-compute.md)：在模型训练完成后动态重新分配计算资源，使代理能够在无需重新训练基础模型的情况下优化推理性能、事实准确性和系统鲁棒性。\n* [规模估算计算器](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Fworkflows\u002Fsizing-calc.md)：根据目标用户数量和期望的响应时间，估算所需的 GPU 集群规模，从而简化部署规划和扩展流程。\n* [对象存储集成](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Fextend\u002Fobject-store.md)：通过支持的对象存储连接和管理数据，提升代理的可扩展性，并实现更高级的数据工作流。\n* [增强的游标规则](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FNeMo-Agent-Toolkit\u002Fblob\u002Frelease\u002F1.2\u002Fdocs\u002Fsource\u002Ftutorials\u002Fbuild-a-demo-agent-workflow-using-cursor-rules.md)：利用游标规则构建新工作流或扩展现有工作流，使代理开发更加高效和灵活。\n* [交互式笔记本]","2025-08-19T23:17:17",{"id":198,"version":199,"summary_zh":200,"released_at":201},324522,"v1.1.0","## Key Features\r\n* [Full Model Context Protocol (MCP) support](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fblob\u002Fv1.1.0\u002Fdocs\u002Fsource\u002Fworkflows\u002Fmcp\u002Findex.md). Workflows\u002Ftools can now be exposed as MCP servers.\r\n* Deep integration with [Weights and Biases’ Weave](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fblob\u002Fv1.1.0\u002Fdocs\u002Fsource\u002Fworkflows\u002Fobserve\u002Fobserve-workflow-with-weave.md) for logging and tracing support.\r\n* Addition of the [Agno](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fblob\u002Fv1.1.0\u002Fexamples\u002Fagno_personal_finance\u002FREADME.md) LLM framework.\r\n* A new [ReWOO agent](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fblob\u002Fv1.1.0\u002Fexamples\u002Fagents\u002Frewoo\u002FREADME.md) which improves on ReAct by removing the tool output from the LLM context, reducing token counts.\r\n* A new [Alert Triage Agent example](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fblob\u002Fv1.1.0\u002Fexamples\u002Falert_triage_agent\u002FREADME.md) which demonstrates how to build a full application with AIQ toolkit to automatically analyze system monitoring alerts, performs diagnostic checks using various tools, and generates structured triage reports with root cause categorization.\r\n* Support for Python 3.11.\r\n* Various quality of life improvements.\r\n\r\n## What's Changed\r\n* Add subpackage readmes redirecting to the main package by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F20\r\n* Update README.md by @gzitzlsb-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F25\r\n* Fix #27 Documentation fix by @atalhens in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F28\r\n* Fix #29 - Simple_calculator example throws error - list index out of range when given subtraction by @atalhens in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F31\r\n* Fix: #32 Recursion Issue by @atalhens in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F33\r\n* \"Sharing NVIDIA AgentIQ Components\" docs typo fix by @avoroshilov in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F42\r\n* First pass at setting up issue templates by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F6\r\n* Provide a cleaner progress bar when running evaluators in parallel by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F38\r\n* Setup GHA CI by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F46\r\n* Switch UI submodule to https by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F53\r\n* gitlab ci pipeline cleanup by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F54\r\n* Allow str or None for retriever description by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F55\r\n* Fix case where res['categories'] = None by @balvisio in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F22\r\n* Misc CI improvements by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F56\r\n* CI Documentation improvements by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F24\r\n* Add missing `platformdirs` dependency by @yczhang-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F62\r\n* Fix `aiq` command error when the parent directory of `AIQ_CONFIG_DIR` does not exist by @yczhang-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F63\r\n* Fix broken image link in multi_frameworks documentation by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F61\r\n* Updating doc string for AIQSessionManager class. by @ericevans-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F64\r\n* Fix ragas evaluate unit tests by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F68\r\n* Normalize Gannt Chart Timestamps in Profiler Nested Stack Analysis by @dnandakumar-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F70\r\n* Scripts for running CI locally by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F59\r\n* Update types for `topic` and `description` attributes in  `AIQRetrieverConfig` to allow `None` by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F76\r\n* Add support for customizing output and uploading it to remote storage (S3 bucket) by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F71\r\n* Support ARM in CI by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F73\r\n* Allow overriding configuration values not set in the YAML by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F85\r\n* Fix bug where `--workers` flag was being ignored by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F88\r\n* Adding Cors config for api server by @ericevans-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F89\r\n* Update changelog for 1.1.0a1 alpha release by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F90\r\n* Merge develop to main for v1.1.0a1 by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F92\r\n* Updated changelog with another bug fix by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F93\r\n* Updated changelog with another bug fix (#93) by @AnuradhaKaruppiah in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F94\r\n* Adjust how the base_sha is passed into the workflow by @dagardner-nv in https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAIQToolkit\u002Fpull\u002F81\r\n* Changes for evaluating remote workflows by @","2025-05-16T17:35:03",{"id":203,"version":204,"summary_zh":205,"released_at":206},324523,"v1.0.0","Initial Release of NVIDIA AgentIQ","2025-03-18T04:31:06",{"id":208,"version":209,"summary_zh":210,"released_at":211},324524,"v1.0.0-rc8","Release Candidate 8 of the 1.0.0 release.\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FNVIDIA\u002FAgentIQ\u002Fcommits\u002Fv1.0.0-rc8","2025-03-16T23:35:30"]