微軟研究亞洲（Microsoft Research Asia）喺2026年10月7日發表研究，推出 Harnessed Agentic RL 訓練範式，同時開源重建嘅 Agent Lightning v1.0 框架。呢個框架嘅核心設計：將喺生產環境運作嘅代理（agent）原封不動接入強化學習（RL，reinforcement learning，即透過試錯同獎懲信號訓練AI）訓練，唔使喺訓練框架入面重新寫一次代理邏輯。
代理AI早已唔再係單個模型嘅事，而係由模型、工具同執行環境組成嘅全棧系統。傳統RL訓練框架嘅假設，係訓練框架本身負責同環境嘅互動循環（ReAct-style loop）：模型產生動作、環境回傳觀察、觀察加入上下文、模型再產生下一個動作。早期RL系統如 verl、AReaL、slime 都係呢個思路。問題係，訓練過程中嘅代理同實際上線嘅代理並唔完全一致，開發者要喺訓練框架入面重新實現代理，代價好高。
Agent Lightning v1.0 嘅設計直接繞過呢個問題：代理透過框架入面嘅 LLM（大型語言模型）proxy 到達模型，現有 harness 代碼完全唔使改。呢個對各自帶上下文管理、工具協定、執行邏輯同依賴嘅編程代理（mini-SWE-agent、OpenHands、OpenCode、Claude Code、Codex 等）特別有意義。
框架本身輕量到約3,500行代碼，官方宣稱代碼「小而清晰」，開發者可以理解、修改同擴展。運行方面提供原生 Kubernetes 支援，代理直接作為標準 Kubernetes 任務運行，支援自管集群、雲端 Kubernetes 或本地基礎設施，無須依賴任何付費商業 sandbox 服務。
微軟同時提供一個完整編程代理訓練示例：基於 Qwen3.5-9B 嘅端到端管線喺 SWE-bench Verified 上將 Pass@1 由 41.8% 提升至 56.4%，絕對提升 14.6 個百分點，訓練樣本約 6,000 個，並基於開源數據集。
模姐驗嚇貨
3,500行代碼嘅輕量框架，對開發者嘅實際意義係唔再需要為「訓練」同「部署」維護兩份代理代碼。但要留意，呢個係微軟研究團隊嘅技術通告，SWE-bench 數字係研究作者嘅結果，唔係獨立第三方驗證。框架開源唔代表模型權重開放，兩回事要分清。訓練樣本約6,000個，能否訓練出穩定可靠嘅編程代理，仲有得跟住觀察。
模姐｜深度調教
