Microsoft Agent-Lightning 设置与应用指南

本文档介绍了如何利用

microsoft/agent-lightning

自动优化 GIIP 代理的提示词（Prompt）。

🚀 概述

Agent-Lightning

是一个通过强化学习 (RL) 对代理提示词进行微调的框架。它利用操作历史作为数据集，寻找能让代理发挥更高性能的最佳指令。

[!IMPORTANT] Windows 用户注意：由于
agent-lightning
使用了 Unix 专属库，请务必在 WSL2 或 Linux 环境下运行。

准备 Python 环境：

# 推荐使用 Python 3.10+
python3 -m venv venv
source venv/bin/activate

安装库：

pip install agentlightning

配置 API 密钥：设置环境变量，以便学习循环可以调用 LLM。

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

在 Windows 环境的终端运行以下命令，将项目内的操作记录转换为数据集：

python giipdb/scripts/prompt_optimization/generate_dataset.py

成功后将生成

giipdb/scripts/prompt_optimization/giip_training_data.jsonl

文件。

使用生成的数据集微调代理指令：

# 在 WSL 终端执行
python giipdb/scripts/prompt_optimization/train_giip_role.py

训练完成后，将得出的 Optimal Prompt 更新到

.agent/roles/

文件夹内相应的 Markdown 文件中。

症状	原因	解决
在 Windows 上安装或运行训练时出现 Unix 库相关错误	`agent-lightning` 依赖 Unix 专属库	训练（第二步）在 WSL2 或 Linux 中运行。仅在 Windows 上执行数据集生成（第一步）
运行第二步训练时找不到数据集	未运行第一步的 `generate_dataset.py` ，或路径不同	先运行第一步，确认是否生成了 `giipdb/scripts/prompt_optimization/giip_training_data.jsonl`
训练循环调用 LLM 时出现认证错误	未设置 `AZURE_OPENAI_API_KEY` / `AZURE_OPENAI_ENDPOINT` 环境变量	在 WSL 会话中使用 `export` 设置这两个环境变量后重新运行
`python: command not found` 或版本错误	Python 低于 3.10，或未激活 venv	安装 Python 3.10+ 后，使用 `source venv/bin/activate` 激活虚拟环境