Agent Lightning v1.0：约3500行代码的轻量级智能体强化学习框架
微软研究院发布 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署用的智能体 harness 直接参与强化学习，并在约3500行代码内实现完整控制平面，支持 Kubernetes 原生运行，官方称在 SWE-bench Verified 上以约6000条样本将 Qwen3.5-9B 从 41.8% 提升到 56.4%。
用途与变化
据微软研究院官方博客（发布时间 2026-10-07），Agent Lightning v1.0 是对原项目的重建版本，核心是“Harnessed Agentic RL”训练范式：部署时使用的智能体 harness 直接参与强化学习，而不是在训练框架内重写智能体。v1.0 强调三点：整体约 3500 行代码；智能体通过 LLM 代理访问模型，原有 harness 代码无需改动；原生支持 Kubernetes，智能体作为标准 Kubernetes Job 运行，不依赖付费商业沙箱服务。
系统由三部分组成：API 网关（兼容 OpenAI 的 LLM 代理，记录提示、响应与 log 概率）、Rollout 控制器（管理本地进程或 Kubernetes Job）、定制训练器（基于 verl，负责收集样本并组装训练数据）。v1.0 还引入 Collocated Async RL，让 rollout 与模型更新共用同一批 GPU；据称端到端比同步 RL 快约 2 倍，且比常规异步 RL 占用更少 GPU。
适用场景
面向希望用真实智能体 harness 做强化学习、又不想重建交互循环或依赖商业沙箱的团队，尤其是编码智能体训练与自管理 Kubernetes 集群场景。
限制与待核实
上述性能数字（约2倍加速、SWE-bench Verified 从41.8%到56.4%、约6000条训练样本）均来自官方博客自述，未附独立复现或第三方评测；Kubernetes 规模下的实际成本、延迟与可复现性仍需自行验证。
来源与核对说明
- Microsoft Research 官方博客 ↗https://www.microsoft.com/en-us/research/blog/agent-lightning-v1-0-a-3500-line-lightweight-agentic-rl-framework-for-training-agents-with-real-harnesses/
本文经 AI 整理及独立自动校对，未做运行验证；自动校对仍可能遗漏问题，请以原始资料为准。
这篇内容对你有帮助吗？
点赞与收藏保存在当前浏览器。
继续阅读
实时环境下的智能体评测与教学：RealtimeBench 与 TORSI 方法 →
EvolvingBrain：面向开放世界多模态智能体自进化的自适应技能系统 →