什么是 Agent Lightning v1.0，为什么大家都在讨论它
现代 AI 智能体很少单独工作：围绕它们构建的是 agent harness——一个管理工具、上下文和执行流程的中间层。这个“框架”的设计方式直接决定了模型处理任务的效率。然而，长期以来它一直处于训练循环之外：RL 训练器只看到模型的回答，并不涉及智能体如何与环境交互。
Agent Lightning v1.0 项目提出了另一种方法——harnessed agentic RL（受控智能体强化学习）。其核心思想是，在部署阶段使用的 harness 直接参与模型的后训练。这使得智能体可以在与生产环境相同的条件下进行微调，并显著简化了将任意智能体接入 RL 流水线的过程。
harnessed agentic RL 是如何运作的
在传统的智能体 RL 中，“模型 → 动作 → 观察 → 新动作”的循环属于训练引擎。而在受控方案中，整个循环由 harness 接管，训练器只观察 LLM 请求-响应对的序列。这种解耦带来了灵活性：可以使用任何智能体框架，只需通过端点代理接入即可。
这种架构并不新鲜：Agent Lightning 的第一版就引入了分离式（disaggregated）方案，后来其他框架也采用了这一思路——例如 verl Uni-Agent、AReaL 2.0、slime 和 Polar。然而，这种方法也有其自身的陷阱。
关键问题
作者指出了在实际实现中出现的几个难点：
- Retokenization——序列的重复分词可能会扭曲训练数据。
- Sample merging——合并来自不同来源的样本需要谨慎处理。
- Advantage calculation——在非标准数据组织方式下，优势（advantage）的计算会变得更加复杂。
- Loss normalization——损失归一化需要考虑 harness 的特性。
- Backend scheduling——后端计算调度会影响训练的稳定性。
这些看似技术性的细节可能会对最终结果产生重大影响。为了研究这些问题，Agent Lightning v1.0 应运而生——一个约 3,500 行代码的轻量级框架。
结果：SWE-bench Verified 上提升 +14.6 个百分点
开发者在三类智能体上验证了该方法：指令遵循、信息检索和代码编写。对于 coding 智能体，他们发布了完全可复现的流水线。
实验情况如下：总共 6,000 个训练样本和适度的计算资源。Qwen3.5-9B 模型经过 RL 微调后，在 SWE-bench Verified 上的成绩从训练前的 41.8% 提升至 56.4%。绝对提升为 14.6 个百分点。对于如此小的数据量和轻量级框架来说，这是一个非常亮眼的成绩。
此外，作者公开了完整的工作流程和训练脚本，任何人都可以复现实验，或将 Agent Lightning v1.0 作为自己研究的试验台。
这对行业意味着什么
harnessed agentic RL 的出现将重点从“给模型灌数据”转向模型与其环境的协同工作。如果说过去 harness 被视为辅助组件，那么现在它已成为可训练循环的一部分。对从业者而言，这意味着智能体在真实场景中的行为更加可预测；对研究者而言，则带来了一系列新的开放问题：从分词优化到计算调度。
Agent Lightning v1.0 并不是这一领域的唯一项目，但它的开放性和简洁性使其成为实验的理想起点。很可能在不久的将来，我们会看到新的框架将这些想法推向工业应用。
