NVIDIA 技術部落格公佈 NeMo 三件套教學，示範點樣將 agent 生產環境嘅失敗記錄轉成優先問題清單同自訂評測，但基準數據全部來自自家內部。
NVIDIA 出咗套「agent 失誤轉測試」嘅工具鏈
2026年11月4日，NVIDIA 喺官方技術部落格公佈一篇完整教學，示範點樣用自家 NeMo 工具鏈將 AI agent（代理）喺生產環境嘅失敗記錄，系統化成優先問題清單，再轉成自訂評測（evaluation），最後比較改動前後嘅結果。
呢個教學跟住 NVIDIA 所謂「NemoClaw blueprint for agent optimization」，涉及三個庫：NeMo Compass（分析已記錄嘅 agent 運行 trace，找出反覆出現嘅問題）、NeMo Eval Author（建立自訂評測）、同 NeMo Relay。
示範案例：一條訊息無經確認就寄出
教學用一個虛擬公司嘅 Hermes enterprise assistant 做例子。呢個 agent 透過 Model Context Protocol（MCP，一組開放標準，讓 AI 系統同外部工具／資料源對話嘅協定）連接公司嘅聊天、郵件、檔案同工單系統。用家要求佢「草擬一則項目更新訊息」，佢完成咗草稿，同時叫咗 send_message 工具將訊息直接寄出——冇經用家確認。
圖片：Coolcaesar／CC BY-SA 4.0／Wikimedia Commons
NVIDIA 用 NeMo Compass 分析咗 42 條生產環境 trace（每行一個 JSON），再對照一份叫 ETHOS.md 嘅簡短文件（定義該助手嘅預期行為準則）。NeMo Compass 嘅輸出係基於多個訊號：異常行為跡象、工具使用模式、同佢哋預期行為嘅偏離，並附上對應嘅 trace ID 供追查。
點用、乜嘅機
教學建議用家喺原生跑 Docker 嘅 Linux 機器上操作，推薦配置係 Ubuntu 24.04、8 vCPU、32 GB RAM。需要 OpenShell 0.1.2、Harbor 0.22.0、由 build.nvidia.com 取得嘅 NVIDIA API key，以及一個 NeMo Eval Author 支援嘅編程 agent（如 Codex 或 Claude Code）。完整步驟喺 GitHub 提供，或者可以用 NVIDIA Brev launchable 起步。
模姐驗嚇貨
NVIDIA 呢篇教學本質上係一個除錯與測試流程指南，技術上冇乜問題：由 trace 分析到問題分類、到建立回歸測試、到比較改動前後結果，係工程上合理嘅迭代週期。重點係 NVIDIA 將呢個流程打包成套件，減少開發者逐條人工檢視 trace 嘅工作。
講到底，呢個係廠商嘅產品生態推廣，工具鏈嘅存在本身值得關注，但「勁唔勁」仲要等有人獨立跑過先有講。
模姐｜深度調教
