📖 产品简介
Agent Lightning 是微软于 2026 年 8 月底发布并 MIT 开源的 Harnessed Agentic RL（受控智能体强化学习）训练框架，核心代码约 3500 行。
它将「训练」与「运行」解耦：通过 API Gateway 统一接入多种 Agent 客户端（已验证 mini-SWE-agent、OpenHands、OpenCode、Claude Code、Codex、LangChain、AutoGen、OpenAI Agents SDK 等），由 Rollout Controller 控制数据回放，Trainer 基于 verl/vLLM 实现 PPO、GRPO、APO 等主流 RL 算法。官方公布的验证结果：Qwen3.5-9B 仅用 6000 个样本，在 SWE-bench Verified 上从 41.8% 提升至 56.4%（+14.6 个百分点）；通过 Collocated Async RL 实现约 2 倍加速。框架原生以 Kubernetes Job 形式运行，v1.0.1 版本进一步推出 Agent Lightning Skill，方便集成到既有工作流。论文编号 arXiv:2608.17528。需要说明的局限：reward 设计需要使用者自行负责，存在 reward hacking 风险；当前仅支持 Linux；v1.0 相对早期版本存在 API 变动。
定位
微软 MIT 开源的 Harnessed Agentic RL 训练框架（约 3500 行）
适合人群
想用强化学习训练/微调编码智能体的研究团队
已有 K8s 与 GPU 基础设施的工程团队
希望在自家 Agent 框架上跑 RL 的应用开发者
关注 Agentic RL 方法论的开发者
支持平台
Linux、Kubernetes
开源
是
✨ 核心功能
- Harnessed Agentic RL 范式：API Gateway + Rollout Controller + Trainer 三层解耦，训练与运行分离
- 兼容主流 RL 算法：基于 verl/vLLM 实现 PPO / GRPO / APO
- 已适配 8+ Agent 客户端：mini-SWE-agent、OpenHands、OpenCode、Claude Code、Codex、LangChain、AutoGen、OpenAI Agents SDK
- 小样本高收益：Qwen3.5-9B 仅 6000 样本，SWE-bench Verified 41.8%→56.4%（+14.6pt，官方口径）
- Collocated Async RL 约 2 倍加速，原生支持 Kubernetes Job 规模化运行
- MIT 开源、约 3500 行代码，附论文 arXiv:2608.17528
⚖️ 优缺点分析
👍 优点
- MIT 开源、代码精简，可自托管训练自己的编码智能体
- 已验证多种主流 Agent 框架，接入成本低
- 小样本即可带来显著效果提升（官方口径）
- K8s 原生，适合已有云原生基础设施的团队
👎 缺点
- reward 设计依赖使用者，存在 reward hacking 风险
- 当前仅支持 Linux 环境
- v1.0 相对早期版本有 API 变动（churn），迁移需适配
- 面向训练场景，需要 GPU 与 RL 工程经验，非开箱即用的产品
📊 评分详情
功能完整
8
易用程度
6.5
安全可靠
7.5
性价比
9
💬 用户评价
以前想用 RL 训练自己的编码智能体，得自己搭一整套 rollout 基建；Agent Lightning 把这一层做成 MIT 开源框架，6000 个样本就能把 9B 模型在 SWE-bench 上拉高 14 个点，小团队也能上手。
📝 更新日志
-
2026-08-28v1.0 + Agent Lightning Skill**Agent Lightning v1.0 发布（Aug 28，MIT 开源）**——微软推出 Harnessed Agentic RL（受控智能体强化学习）训练框架，核心约 3500 行。范式三层解耦：API Gateway 统一接入 Agent 客户端（已验证 mini-SWE-agent / OpenHands / OpenCode / Claude Code / Codex / LangChain / AutoGen / OpenAI Agents SDK）；Rollout Controller 控制数据回放；Trainer 基于 verl/vLLM 实现 PPO/GRPO/APO。官方验证：Qwen3.5-9B 仅 6000 样本，SWE-bench Verified 41.8%→56.4%（+14.6pt）；Collocated Async RL 约 2× 加速；K8s Job 原生。论文 arXiv:2608.17528。后续 v1.0.1 推出 Agent Lightning Skill。官方声明局限：reward 设计自负、reward hacking 风险、仅 Linux、v1.0 重写存在 API churn。