← 返回项目库

Agent Lightning 中文智能体研究观测台

面向智能体训练与评估的中文研究观测台，集中查看实验批次、资源快照、链路跨度和运行器状态。

该项目基于 Agent Lightning 的真实 LightningStore API，提供可操作的 React 观测界面和本地可复现演示数据。适合研究者与小型工程团队在本地检查实验状态、重试历史、模型资源配置以及检索和回答链路。

真实界面

项目截图

共 6 张

Capabilities

核心功能

✓中文研究概览与 Store 连接状态卡片

✓实验批次状态、模式、尝试历史与筛选

✓资源快照中的模型与评估提示词配置查看

✓链路跨度列表、尝试选择与名称搜索

✓运行器心跳、当前批次和最近取队列状态

✓原始 JSON、链路详情和父跨度定位抽屉

✓服务地址、自动刷新和主题设置

✓基于真实 LightningStore API 的本地可复现演示数据

适用场景

在本地快速检查训练或评估批次的状态、重试和资源绑定

通过链路跨度定位检索、模型回答与奖励评估过程

为内网研究工具提供可扩展的中文观测台前端

适合谁

需要在本地或内网观察智能体训练、评估和工具调用过程的研究者、开发者与小型工程团队。

商业化思路

开源研究工具源码交付；可围绕本地部署、观测台定制、实验管线接入和团队技术支持提供服务。

你会拿到什么

✓Agent Lightning Python 服务与 React/TypeScript 观测台源码
✓中文界面适配、本地演示脚本、构建说明和 MIT 许可证

部署流程

1准备 Python 3.10+ 环境并按项目依赖安装 Agent Lightning
2在 dashboard 目录安装 npm 依赖并构建前端静态资源
3启动 LightningStore 服务，或运行本地演示脚本后通过设置页配置兼容的 Store 地址
4生产使用前配置持久化存储、反向代理、访问控制、日志和模型服务

真实验证结果

已通过 6 个真实运行中文界面、HTTP、可见正文、控制台、坏图和横向溢出质量门。

部署前须知

本地演示只使用内存 Store，明确不调用 LLM 或云端服务；生产环境需要自行提供持久化 Store、模型端点和安全边界，长时间运行的训练批次也应配合监控与备份。

部署难度

中等

最低配置

建议使用 Python 3.10+、Node.js 18+ 与 npm；本地演示使用内存 Store，生产部署前应配置持久化 Store、反向代理、访问控制和模型服务。

开源许可证

MIT License

最后验证

2026-09-02

授权说明

仓库根目录保留 MIT License。交付包含中文界面、研究概览入口、本地 Store 演示脚本与说明文档修改；使用者应同时遵守上游许可证及第三方模型服务条款。

Release notes

版本记录

1 个已发布版本

vcn-f378c70fc84b 当前推荐

2026-09-02

新增中文研究概览入口，完成实验批次、资源快照、链路追踪、运行器和设置页的核心界面中文化，并补充基于真实 LightningStore API 的可复现本地演示。

部署要求：Python 3.10+、Node.js 18+、npm；构建 dashboard 后启动 LightningStore 服务，生产部署需另行配置持久化存储、访问控制与模型服务。

已知问题：本地演示数据保存在进程内存中，服务停止后会重置；演示不调用 LLM，资源快照中的本地模型端点仅作为配置示例。

登录后领取