微软开源 Agent Lightning v1.0：3500 行代码，给 AI Agent 做强化学习

微软研究院发布了 Agent Lightning v1.0，一个用来给 AI Agent 做强化学习训练的轻量级框架。它大约只有 3500 行代码，体量上是刻意做小的，但目标不小：把现有的 Agent 接进 RL 训练，而且用的是真实运行环境（real harness），让开发者不必重写整套技术栈就能改进 Agent 的表现。 现在的 AI Agent 大多由复杂框架管理，提示词、工具、记忆、多步执行都归它管。这种复杂度让强化学习很难塞进去。Agent Lightning 解决的是集成问题——它充当现有 Agent 和 RL 训练循环之间的一座桥。开发者可以保留手上的 Agent，同时用真实执行反馈去优化工具调用、上下文管理和决策。 这个思路也呼应了当下对 Agent 可靠性的关注。提示词工程和写死的静态工作流，能带团队走的路有限。强化学习提供了另一种办法：根据结果去优化一连串动作，比如用更少的错误、更少的无用工具调用完成任务。通过使用真实 harness，Agent Lightning 追求的是让 Agent 在接近生产环境的条件下训练，而不是在简化过的模拟里练。这可能有助于缩小榜单成绩和混乱真实表现之间的差距。 轻量设计还可能降低试错门槛。代码库小，就更容易看懂、改动和扩展，这在一个跑得飞快的研究领域里很重要。当然，面向 Agent 的 RL 依然不好做：奖励设计、安全约束、成本和可复现性，每一项都得仔细对待。Agent Lightning v1.0 不是一个完整答案，但它给了开发者一条实用的路子，去验证 RL 到底能不能让自己的 Agent 变得更好。如果行得通，它有望成为一块好用的积木，让那些想让 Agent 从经验中学习、而不是只靠手写提示词和规则的团队用起来。