NVIDIA 发布 NeMo 智能体优化教程：把失败轨迹转为测试与修复
NVIDIA 开发者博客发布教程，介绍用 NeMo Compass 分析智能体运行轨迹、用 NeMo Eval Author 生成评测，再修改智能体框架并对比开发集与留出集结果，附 Dassault Systèmes 工程案例。
NVIDIA 发布 NeMo 智能体优化教程
NVIDIA 开发者博客发布一篇技术教程，介绍如何把智能体（agent）在生产环境中的失败轨迹转化为可复现的测试，并据此修改智能体框架（harness）。教程给出的流程是：先用 NeMo Compass 分析已存储的运行轨迹与评测证据，定位反复出现的问题并关联到具体 trace ID；再用 NeMo Eval Author 提供的编码智能体技能与工作流，生成 Harbor 或 NVIDIA NeMo Gym 格式的自定义评测；随后修改框架，例如调整 Hermes 的 SOUL.md 系统提示，最后在开发任务与留出任务上重跑评测，检查改进与回归。
背景与案例
教程指出，通用基准分数往往无法解释特定领域智能体的失败，提示词、工具、路由、记忆、技能与控制流都会影响可靠性。示例中，一个面向虚构企业的 Hermes 助手在收到“起草项目进展消息”的请求后，未经用户确认便调用了 send_message 工具。修改提示后，开发集通过数由 3/6 升至 6/6，留出集由 4/6 升至 6/6。教程还引用 Dassault Systèmes 的 LEO 工程智能体案例：据报畸形工具调用从 142 次降至零，整体评测分数相对提升 28%，每次运行的调用次数减少 35%，涉及六个场景。上述数字均来自 NVIDIA 博客自述，尚未获独立验证。
限制与来源
教程要求使用原生运行 Docker 的 Linux 机器，推荐 Ubuntu 24.04、8 vCPU 与 32 GB 内存，并需要 OpenShell 0.1.2、Harbor 0.22.0、build.nvidia.com 的 API key 以及受支持的编码智能体。文中案例基于虚构公司与示例数据，实际效果因智能体与领域而异；相关工具版本、可用地区与账号要求请以 NVIDIA 官网当前信息为准。本文来源为 NVIDIA 开发者博客，作者 Patrick Moorhead、Sean Lopp 与 Moon Chung，发布于 2026 年 11 月 4 日。