wehub-resource-sync
0ca394426f
10 KiB
Note
本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
Agent Lightning⚡
点亮 AI 智能体的终极训练器。
加入我们的 Discord 社区，与其他用户和贡献者交流。
⚡ 核心特性
- 让你的智能体在几乎 零代码改动（ZERO CODE CHANGE） 的情况下变成可优化的强者！💤
- 支持使用 任意（ANY） 智能体框架（LangChain、OpenAI Agent SDK、AutoGen、CrewAI、Microsoft Agent Framework...）构建；甚至无需智能体框架（Python OpenAI）也能用。随心所欲！🤖
- 在多智能体系统中 选择性（Selectively） 优化一个或多个智能体。🎯
- 支持 强化学习（Reinforcement Learning）、自动提示词优化（Automatic Prompt Optimization）、监督微调（Supervised Fine-tuning）等多种 算法（Algorithms）。🤗
更多内容请参阅我们的文档网站.
⚡ 安装
pip install agentlightning
如需最新每夜构建版本（前沿功能），可从 Test PyPI 安装：
pip install --upgrade --index-url https://test.pypi.org/simple/ --extra-index-url https://pypi.org/simple/ --pre agentlightning
更多细节请参阅我们的安装指南
要开始使用 Agent-lightning，请查看我们的文档和示例。
⚡ 文章
- 12/17/2025 采用轨迹级聚合实现更快训练 Agent-lightning 博客。
- 11/4/2025 使用 Tinker ✕ Agent-lightning 调优任意 AI 智能体 Medium。另见 Part 2.
- 10/22/2025 告别 Retokenization 漂移：在智能体 RL 中通过 OpenAI 兼容 API 返回 Token ID 的重要性 vLLM 博客。另见 知乎文章.
- 8/11/2025 用强化学习训练 AI 智能体编写并自我纠正 SQL Medium。
- 8/5/2025 Agent Lightning：用强化学习训练任意 AI 智能体 arXiv 论文。
- 7/26/2025 我们发现了一种用 RL 训练任意 AI 智能体的方法，几乎无需修改代码。 Reddit。
- 6/6/2025 Agent Lightning - Microsoft Research 项目页面。
⚡ 社区项目
- DeepWerewolf — 基于 AgentScope 与 Agent Lightning 构建的中文狼人杀智能体强化学习训练案例研究。
- AgentFlow — 模块化多智能体框架，结合规划器、执行器、验证器与生成器智能体及 Flow-GRPO 算法，用于解决长视野、稀疏奖励任务。
- Youtu-Agent — Youtu-Agent 让你轻松构建并训练智能体。基于 Agent Lightning 的修改分支构建，Youtu-Agent 已在数学/代码与搜索能力上验证了多达 128 GPU 的稳定收敛强化学习训练。还可查看配方及其博客别再与智能体 RL 较劲：Youtu-Agent 如何轻松实现稳定的 128 GPU 扩展.
⚡ 架构
Agent Lightning 将运行组件精简到最少，让你专注于创意本身，而非底层 plumbing。你的智能体照常运行；你仍可选用任意智能体框架；只需接入轻量级的 agl.emit_xxx() 辅助工具，或让 tracer 采集每一次 prompt、工具调用与 reward。这些事件会成为结构化 span，流入 LightningStore——一个集中式枢纽，负责同步任务、资源与 trace。
Store 的另一端是你选择或自行编写的算法。算法读取 span、从中学习，并发布更新后的资源，例如优化后的 prompt 模板或新的 policy 权重。Trainer 将所有环节串联起来：向 runner 流式传输数据集，在 store 与算法之间传递资源，并在改进生效时更新推理引擎。你可以在此止步，也可以让同一循环持续运转。
无需重写、无需绑定，从首次 rollout 到持续改进，路径清晰明了。
⚡ CI 状态
| 工作流 | 状态 |
|---|---|
| CPU 测试 |  |
| 完整测试 | |
| UI 测试 |  |
| 示例集成 |  |
| 最新依赖兼容性 |  |
| 旧版示例兼容性 |  |
⚡ 引用
如果你在研究或项目中觉得 Agent Lightning 有帮助，请引用我们的论文：
@misc{luo2025agentlightningtrainai,
title={Agent Lightning: Train ANY AI Agents with Reinforcement Learning},
author={Xufang Luo and Yuge Zhang and Zhiyuan He and Zilong Wang and Siyun Zhao and Dongsheng Li and Luna K. Qiu and Yuqing Yang},
year={2025},
eprint={2508.03680},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2508.03680},
}
⚡ 贡献
本项目欢迎贡献与建议。请先阅读贡献指南，了解推荐的贡献切入点、环境配置、分支约定与 Pull Request 要求。多数贡献需签署贡献者许可协议（Contributor License Agreement，CLA），声明你有权且确实授予我们使用你贡献的权利。详情请访问 https://cla.opensource.microsoft.com.
当你提交拉取请求（pull request）时，CLA 机器人会自动判断你是否需要提供 CLA（Contributor License Agreement，贡献者许可协议），并会以合适的方式标注该 PR（例如状态检查、评论）。只需按照机器人提供的说明操作即可。在使用我们 CLA 的所有仓库中，你只需完成一次此流程。
本项目已采用 Microsoft Open Source Code of Conduct. 了解更多信息，请参阅 Code of Conduct FAQ 或通过 opencode@microsoft.com 联系我们，提出任何其他问题或意见。
⚡ 商标
本项目可能包含项目、产品或服务的商标或标识。Microsoft 商标或标识的授权使用须遵守并遵循 Microsoft's Trademark & Brand Guidelines. 在本项目的修改版本中使用 Microsoft 商标或标识，不得造成混淆或暗示 Microsoft 的赞助。任何第三方商标或标识的使用均须遵守该第三方的相关政策。
⚡ 负责任 AI（Responsible AI）
本项目已经过评估和认证，符合 Microsoft Responsible AI Standard（微软负责任 AI 标准）。团队将持续监控和维护该仓库，并在出现任何严重问题（包括潜在危害）时予以处理。
⚡ 许可证
本项目采用 MIT License 许可。详情请参阅 LICENSE 文件。