微软发布了 Agent Lightning v1.0，被描述为一个 3,500 行的轻量级 agentic 强化学习框架。该版本围绕 agentic RL 而非单轮微调定位，其设计目标是在真实 harness 上训练 agent——即生产环境中运行 tool call、环境交互和多步控制流的同一套执行脚手架。
这一定位对已经在运行 agent 的团队很重要。从实时 trace 到训练信号的常规路径涉及定制化的 reward 管线：对 harness 进行埋点、提取中间状态，并为每个任务重建 reward 函数。一个直接挂载到 harne
代码规模是另一个值得注意的点。该框架约 3,500 行，小到可以端到端通读，这改变了工程团队评估它的方式：可审计性、fork 成本和集成面成为可处理的问题，而非采购决策。
现有报道未能明确的是：支持的 harness 集合、实现的训练算法、吞吐量或硬件要求，以及是否存在任何已发布的评估。这些仍是未知数，在采用之前应基于这些方面进行评估。