giip

Microsoft Agent-Lightning 設定と活用ガイド

本ドキュメントは、microsoft/agent-lightningを使用してGIIPエージェントのプロンプトを自動最適化する方法を説明します。

🚀 概要

Agent-Lightningは、強化学習(RL)を通じてエージェントのプロンプトをチューニングするフレームワークです。作業履歴をデータセットとして活用し、エージェントがより高いパフォーマンスを発揮できるよう、最適な指示を見つけ出します。

[!IMPORTANT] Windowsユーザーへの注意: agent-lightningはUnix専用ライブラリを使用するため、必ず WSL2 または Linux 環境で実行する必要があります。

🛠️ インストール方法 (WSL2 / Linux基準)

  1. Python環境の準備:

    # Python 3.10+ 推奨
python3 -m venv venv
source venv/bin/activate

  2. ライブラリのインストール:

    pip install agentlightning

  3. APIキーの設定: 学習ループがLLMを呼び出せるように環境変数を設定します。

    export AZURE_OPENAI_API_KEY="your-key"
export AZURE_OPENAI_ENDPOINT="your-endpoint"

📈 活用フロー

ステップ1: 学習データの生成

Windows環境のターミナルで次のコマンドを実行し、プロジェクト内の作業記録をデータセットに変換します。

python giipdb/scripts/prompt_optimization/generate_dataset.py

成功すると giipdb/scripts/prompt_optimization/giip_training_data.jsonl ファイルが生成されます。

ステップ2: 強化学習の開始 (WSL2)

生成されたデータセットを使用してエージェントの指示をチューニングします。

# WSLターミナルで実行
python giipdb/scripts/prompt_optimization/train_giip_role.py

ステップ3: 最適化結果の反映

学習が完了したら、導き出された Optimal Prompt を .agent/roles/ フォルダ内の該当するマークダウンファイルに反映します。

📊 期待される効果

  • 成功率の向上: 過去の失敗事例を学習し、類似のエラーを防止。
  • 自動プロンプトエンジニアリング: 手作業によるチューニングの代わりに、データに基づいた客観的なパフォーマンス最適化。
  • 自律的改善システム: プロジェクト全体の運営過程でエージェントの知能を向上。

🩺 トラブルシューティング

症状原因解決
Windowsでインストール・学習実行時にUnixライブラリ関連のエラーが発生agent-lightningはUnix専用ライブラリに依存学習(ステップ2)は WSL2 または Linux で実行。データセット生成(ステップ1)のみWindowsで実施
ステップ2の学習実行時にデータセットが見つからないステップ1の generate_dataset.py を実行していない、またはパスが異なる先にステップ1を実行し、giipdb/scripts/prompt_optimization/giip_training_data.jsonl が生成されたか確認
学習ループのLLM呼び出しで認証エラーが発生AZURE_OPENAI_API_KEY / AZURE_OPENAI_ENDPOINT 環境変数が未設定WSLセッションで export により両方の環境変数を設定してから再実行
python: command not found またはバージョンエラーPython 3.10未満、またはvenvが未有効化Python 3.10+ をインストール後、source venv/bin/activate で仮想環境を有効化
← Previousタスク状態遷移ガイドNext →AI URLテストエージェント