Agent Lightning 1.0 在 2026 年 10 月 7 日由 Microsoft Research Asia 团队开源发布，整个框架只有约 3500 行代码。它要解决的是智能体强化学习里一个长期别扭的问题：过去想用强化学习训练一个智能体，得先把智能体在训练框架里重新实现一遍，训出来的东西和真正部署的那个并不完全是一回事。这次发布的范式被团队命名为 Harnessed Agentic RL，核心主张只有一句：部署时用的那套智能体运行框架（harness），应该原样参加训练。
旧办法别扭在哪
一个现代编程智能体不只是一个模型。它自带上下文管理、工具协议、执行逻辑和依赖环境，mini-SWE-agent、OpenHands、Claude Code、Codex 各有各的一套。传统智能体强化学习框架（如 verl、AReaL、slime 一类系统）默认训练框架要接管整个交互循环，于是每换一个智能体，就要把它的循环在框架里重写一次：成本高，而且重写版的行为可能和部署版悄悄偏离，训练分数好看，上线却不是那么回事。这种脱节，正是过去一年 智能体开发基础设施 快速膨胀时反复出现的摩擦。
关键一招是在中间加一层代理
Agent Lightning 的做法是在智能体和模型之间放一个兼容 OpenAI 接口的 LLM 代理。智能体不需要改代码，只要把原来调用模型的地址指向这个代理，训练系统就能记录下每一次调用的提示、回复和对数概率，用作强化学习的训练材料。v1.0 的系统由三个部件组成：负责存 rollout 和做代理的 API 网关、负责拉起智能体执行的 Rollout 控制器、以及基于 verl 构建的定制训练器。执行层原生支持 Kubernetes，智能体以标准 K8s 任务的方式批量运行，不依赖付费的商业沙箱服务，大规模采样的成本压得下来。团队还给出一套 Collocated Async RL 调度：采样和模型更新共用同一组 GPU，端到端速度约为同步训练的 2 倍，用的卡又比完全异步方案少。
6000 条样本，涨了 14.6 个百分点
随框架一起给出的是一条完整的编程智能体训练流水线：以 SWE-smith 数据、mini-SWE-agent 为运行框架、Qwen3.5-9B 为底座模型，训练集只有约 6000 条样本，不需要大规模算力。仅靠强化学习训练这一环，模型在 SWE-bench Verified 上的 Pass@1 从 41.8% 提升到 56.4%，涨了 14.6 个百分点。论文式的细节里还有一条值得从业者注意：当一条 rollout 被拆成多个训练样本时，优势计算和损失归一化都要按 rollout 级别处理而不是样本级别，否则产生样本多的 rollout 会被重复加权，验证奖励和策略熵都会不稳。
谁适合现在就试
如果你手上已经有一个能跑的智能体框架，又一直因为"重写成本太高"没做过强化学习后训练，这套东西正是冲着你来的：接入点只是一个代理地址，代码量小到可以通读。如果你的智能体还没跑稳、奖励信号还没设计清楚，先别急——框架解决的是"怎么让真实 harness 参加训练"，不替你回答"训什么才算变好"。目前公开验证过的完整案例只有编程智能体这一条线，其他类型智能体上的效果，还要等更多团队跑出结果。
