Agent Lightning v1.0 面向希望智能体能从生产环境中实际使用的工具和工作流中学习的团队。它不要求工程师将智能体逻辑重新实现到独立的训练架构中，而是通过代理层和 Rollout 收集器，在保留原有控制流、工具调用、检索上下文和运行环境的同时记录轨迹。这样就能保留智能体在真实场景中的输入与副作用——这对训练依赖工具输出、长时上下文和编排逻辑的行为至关重要，而这些特性往往无法通过仅调整提示词来可靠模拟。
该项目的工程理念很直接：保持核心精简（约 3,500 行 Python 代码），专注于基于 Rollout 的训练，并在智能体原本运行的环境中执行任务。原生 Kubernetes 支持可将 Rollout 任务作为 Kubernetes Job 运行，避免依赖脆弱的沙箱或模拟器执行层。对于已经采用 Kubernetes 的团队，这种设计减少了运维复杂度，同时还能跨多个并发智能体实例和真实工具集成，大规模收集轨迹。
微软发布的示例展示了实际成效，而不仅仅是架构设计。在一个编程智能体 MoE 流程中，Qwen3.5-35B-A3B 仅使用 1.8K 个样本进行强化学习后，在经过验证的软件工程基准测试中的成绩便从 47.8% 提升至 61.6%。公开发布的编程智能体指南还介绍了数据清理、奖励投机防范和端到端训练脚本，说明基于 Rollout 的强化学习可以比大规模提示词工程实验更快带来可衡量的准确率提升。这些示例意义重大，因为它们表明，让真实工具和测试持续参与训练，能为以任务为导向的智能体带来更贴合目标的改进。