AI智能体训练完整指南Agent Lightning 用 6000 条数据让编码智能体提升 14.6 个点【免费下载链接】agent-lightningThe absolute trainer to light up AI agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-lightning你给智能体写了十几版提示词它还是会在同一类任务上反复犯同样的错——输出漏了格式、多轮调用后上下文跑偏。这就是 Agent Lightning 要解决的 AI 智能体训练问题不改智能体代码直接用强化学习把模型权重训好让它把任务做对。一个真实的问题手动调提示词的循环大家都熟悉改一版 prompt跑几个测试样例发现有的题对了、有的题格式错了再改一版。每轮修改只能覆盖你眼前那几十个样例而且改好一个 case 经常把另一个 case 改坏效果很快停在某个水平上不再涨。换成 Agent Lightning 之后智能体带着真实的工具、上下文和控制流完整跑任务框架把每一步模型请求和最终得分都记下来trainer 据此更新模型参数。优化前后最大的差别是知识沉淀到了权重里不再依赖某一句提示词措辞。仓库给出的编码智能体例子可以佐证这一点——只用 6K 训练样本Qwen3.5-9B 在 SWE-bench Verified 上从 41.8% 提到 56.4%涨了 14.6 个百分点。先跑一遍环境要求是一台带 A100 的机器Calc-X 示例单卡即可和 CUDA 12.9/13.0先装好uvgit clone https://gitcode.com/GitHub_Trending/ag/agent-lightning cd agent-lightning uv sync然后用官方脚本装 verl 的 GPU 依赖verl 0.8.0 vLLM flash-attn会本地编译需要 10~30 分钟bash scripts/setup_verl.sh 0.8.0 cu130之后按 docs/8-example-calc-x.md 把 Calc-X 数据集放进examples/calc_x/data/装好示例的 Python 依赖执行examples/calc_x/run_local.sh。这一个脚本会依次拉起 Ray/verl/vLLM 后端、agl-server端口 8181、本地 controller然后启动训练过程曲线在 WB 里看。它为什么比手动调强把整个过程拆开其实是四步跟手动改 prompt 有本质区别智能体原样跑任务智能体只把模型端点指向网关的 rollout URL工具调用、控制流、环境全部保持不变零代码改动接入。网关自动记录轨迹每次模型请求的 prompt token、响应 token 和 logprob 都被网关记成model_request事件跟哪次执行一一对应。按 rollout 组算优势同一道题可以跑多次trainer 拿到多份执行和各自 reward用 GRPO 在 rollout 级别比较、算 advantage好行为被加强。更新的是权重不是文案每步训练后策略模型参数直接更新。prompt 调不好是因为知识没进模型训练把知识写进了权重所以改进是稳定的不会被某次措辞改动推翻。迁移到你自己的任务上第一步把端点切到网关你现有的智能体只改一行——模型 API 地址换成 rollout 对应的网关 URL。请求开始被记录成训练数据智能体逻辑一行不用动。第二步写死你的 reward智能体每跑完一轮都要报一个得分这个得分决定学什么。数学题用精确匹配代码任务用单元测试通过率。得分函数要防取巧官方编码智能体例子里就专门放了防 reward-hacking 的数据清洗环节可参考 examples/swe_smith/。第三步选运行模式起训先在单卡上用examples/calc_x/做模板本地跑通智能体依赖重、要并发时把 controller 换成 K8s 模式每次 rollout 变成一个独立 Job模板见 agentlightning/controller/。trainer 侧的配置见 docs/4-trainer-configuration.md。3个容易踩的坑坑一手动装 verl 和 vLLM。这两个版本和 torch 强耦合flash-attn 还要本地编译装错版本会在训练中途才炸。只用scripts/setup_verl.sh且它跑 10~30 分钟别中途 CtrlC 打断。坑二reward 函数写得松。得分靠表面模式而不是真实完成任务模型会很快学会钻空子——训练奖励一路涨真实指标不涨甚至掉。reward 必须来自任务本身的校验比如测试用例结果而不是回答看起来像对的。坑三CtrlC 连按想快速停训。脚本退出时要逐个清理 server、controller 和子进程需要等一会儿。连按会留下挂掉的进程下一次起服务时端口 8181 被占用。收尾Agent Lightning 的整个框架核心 Python 代码约 3500 行API 网关、Rollout 控制器、trainer 三个组件各司其职没有黑盒。想验证它值不值得用从单卡示例跑一遍最省事打开 docs/2-quick-start.md 跟着做再对照examples/calc_x/把端点和 reward 换成你自己的任务。【免费下载链接】agent-lightningThe absolute trainer to light up AI agents.项目地址: https://gitcode.com/GitHub_Trending/ag/agent-lightning创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考