Agent Lightning v1.0 được thiết kế cho các nhóm muốn tác tử học hỏi từ chính những công cụ và quy trình họ sử dụng trong môi trường sản xuất. Thay vì yêu cầu kỹ sư triển khai lại logic của tác tử cho một hệ thống huấn luyện riêng, Agent Lightning đặt một proxy và bộ thu thập rollout vào luồng xử lý để giữ nguyên luồng điều khiển, các lệnh gọi công cụ, ngữ cảnh truy xuất và môi trường, đồng thời ghi lại các quỹ đạo. Nhờ đó, các đầu vào và tác động thực tế của tác tử được bảo toàn — yếu tố then chốt để huấn luyện những hành vi phụ thuộc vào đầu ra của công cụ, ngữ cảnh kéo dài và logic điều phối vốn khó mô phỏng đáng tin cậy chỉ bằng tinh chỉnh prompt.
Triết lý kỹ thuật của dự án rất rõ ràng: giữ phần lõi gọn nhẹ (khoảng 3.500 dòng Python), tập trung vào huấn luyện dựa trên rollout và chạy tác tử ngay tại nơi chúng đang hoạt động. Hỗ trợ Kubernetes nguyên bản cho phép các nhóm chạy tác vụ rollout dưới dạng Kubernetes Job, tránh phải dựa vào các lớp sandbox hoặc giả lập thực thi thiếu ổn định. Thiết kế này giúp giảm phạm vi vận hành cho những nhóm đã đầu tư vào Kubernetes, đồng thời cho phép thu thập quỹ đạo trên quy mô lớn từ nhiều phiên bản tác tử chạy đồng thời và tích hợp công cụ thực tế.
Các ví dụ Microsoft công bố cho thấy hiệu quả thực tiễn, chứ không chỉ là kiến trúc trên lý thuyết. Trong một quy trình MoE dành cho tác tử lập trình, Qwen3.5-35B-A3B tăng điểm từ 47.8% lên 61.6% trên một benchmark kỹ thuật phần mềm có kiểm chứng sau khi chỉ được huấn luyện tăng cường bằng 1.8K ví dụ. Hướng dẫn về tác tử lập trình được phát hành cũng đề cập đến làm sạch dữ liệu, giảm thiểu việc khai thác phần thưởng và các tập lệnh huấn luyện đầu cuối — cho thấy RL dựa trên rollout có thể mang lại mức tăng độ chính xác đo lường được nhanh hơn các thử nghiệm kỹ thuật prompt quy mô lớn. Những ví dụ này đáng chú ý vì chứng minh rằng việc duy trì công cụ và bài kiểm thử thực tế trong vòng lặp sẽ tạo ra cải thiện phù hợp hơn cho các tác tử hướng nhiệm vụ.