Microsoft Agent-Lightning 設定與應用指南

本文檔介紹了如何利用

microsoft/agent-lightning

自動優化 GIIP 代理的提示詞（Prompt）。

🚀 概述

Agent-Lightning

是一個透過強化學習 (RL) 對代理提示詞進行微調的框架。它利用操作歷史作為資料集，尋找能讓代理發揮更高性能的最佳指令。

[!IMPORTANT] Windows 用戶注意：由於
agent-lightning
使用了 Unix 專屬庫，請務必在 WSL2 或 Linux 環境下執行。

準備 Python 環境：

# 推薦使用 Python 3.10+
python3 -m venv venv
source venv/bin/activate

安裝庫：

pip install agentlightning

配置 API 金鑰：設置環境變數，以便學習循環可以呼叫 LLM。

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

在 Windows 環境的終端執行以下命令，將專案內的操作記錄轉換為資料集：

python giipdb/scripts/prompt_optimization/generate_dataset.py

成功後將生成

giipdb/scripts/prompt_optimization/giip_training_data.jsonl

檔案。

使用生成的資料集微調代理指令：

# 在 WSL 終端執行
python giipdb/scripts/prompt_optimization/train_giip_role.py

訓練完成後，將得出的 Optimal Prompt 更新到

.agent/roles/

資料夾內相應의 Markdown 檔案中。

症狀	原因	解決
在 Windows 上安裝或執行訓練時出現 Unix 庫相關錯誤	`agent-lightning` 依賴 Unix 專屬庫	訓練（第二步）在 WSL2 或 Linux 中執行。僅在 Windows 上執行資料集生成（第一步）
執行第二步訓練時找不到資料集	未執行第一步的 `generate_dataset.py` ，或路徑不同	先執行第一步，確認是否生成了 `giipdb/scripts/prompt_optimization/giip_training_data.jsonl`
訓練循環呼叫 LLM 時出現認證錯誤	未設置 `AZURE_OPENAI_API_KEY` / `AZURE_OPENAI_ENDPOINT` 環境變數	在 WSL 工作階段中使用 `export` 設置這兩個環境變數後重新執行
`python: command not found` 或版本錯誤	Python 低於 3.10，或未啟用 venv	安裝 Python 3.10+ 後，使用 `source venv/bin/activate` 啟用虛擬環境