feat: enhance swarm training documentation with comparative analysis of training modes and dynamic capabilities

Author: binary-husky

docs/en/swarm_intro_blog_zh.md

@@ -79,12 +79,12 @@ AgentJet具备全分布式蜂群训练（Swarm Training）能力，
 
 为了更形象地展示两种训练模式的区别，可以把训练后端（如VERL）类比成算力充足但只装载一个模型的“航空母舰”，把RL推理采样进程比作“战机”。
 
-- 这些“战机”的调度被创建他们的“母舰”完全“焊死”，无法借助外部其他“母舰”的模型与算力，完成任务后需要被“母舰”回收循环。此外，这些“战机”作为“舰载机”，运行时（Runtime）的“重量”受到“母舰”的制约，难免需要“削足适履”，将大量的时间投入在MCP环境和智能体运行环境的魔改上。另外，这种以“母舰”为中心的样本采样方法非常脆弱，一旦外部环境出现变化（如外部API失效，IP限流，磁盘）或者内部参数需要修改（如奖励系数，任务难度系数）时，都只能彻底终止整个训练进程然后重试，丢失未保存的全部进度。而这在智能体越来越复杂的2026年，给复杂训练任务带来的麻烦显然是难以承受的。
-- 相比之下，AgentJet 的蜂群训练框架则创造了一种新的训练方法。针对一个训练任务，研究者可以根据需要同时部署多艘“母舰”来承载多个LLM模型训练需求，
-然后从任意平台（例如工作站、服务器、甚至是你的Macbook，对于硬件、操作系统、依赖环境、编程语言都没有任何限制，能发送HTTP请求就行）启动“战机”完成RL采样任务。
-这些执行采样任务的“战机”可以自由使用蜂群中所有“母舰”的模型与算力，且可以随时动态加入、退出训练任务。
-研究者甚至可以指定其中一个“战机”成为“超级指挥官”，负责遥控蜂群所有“航空母舰”的运行并传递训练参数，形成一个多对多、可拓展伸缩的灵活训练体系。
-
+| 特性 | 典型模式 | AgentJet 的蜂群训练模式 |
+|------|----------|-------------------------|
+| **多模型训练** | 不支持同时训练多个LLM模型。这些“战机”（采样进程）的调度被创建他们的“航空母舰”（训练后端）完全“焊死”，不能跨“航空母舰”协作，无论训练多少智能体都只能共享“大脑”。 | 支持同时训练多个LLM模型。可以部署多艘“母舰”（Swarm Server），每艘“航空母舰”承载不同的LLM模型，并支持“战机”（Swarm Client）动态调配和跨“航空母舰”协作。 |
+| **运行环境限制** | “战机”运行时环境（Runtime）的“重量”受到“航空母舰”的制约，研究者需要投入时间，消耗在依赖环境配置、MCP工具魔改、构建代理网络等工程问题上，分散大量精力。 | 无任何限制。工作站、服务器、甚至Macbook都可以。对硬件、操作系统、依赖环境、甚至编程语言都没有任何限制，能发送HTTP请求就行。 |
+| **动态性与扩展性** | 一旦外部环境出现变化（如外部API失效，IP限流，磁盘问题）或者智能体代码需要修改（如奖励系数，任务难度系数，代码BUG修复）时，都只能彻底终止整个训练进程然后重试，丢失未保存的全部进度。 | 可任意拓展伸缩的灵活训练体系。支持任何“战机”节点随时动态加入或退出训练任务（直接杀进程也没问题），不会导致训练中断或紊乱，系统具备高度灵活性和容错能力。 |
+| **特殊能力** | - | 研究者可指定蜂群中任意一个“战机”成为“超级指挥官”，负责指挥蜂群中“航空母舰”的运行。例如，在小模型上调试完成后，“超级指挥官”可命令“航空母舰”立即更换较大的基模，用更多显卡执行正式训练。 |
 
 接下来，用简单的几个case展示 AgentJet 蜂群模式的优势。
 
@@ -155,21 +155,26 @@ AgentJet Swarm 从架构层面根治了这个问题。由于 Swarm Client 和 Sw
 <img width="600" alt="image" src="https://serve.gptacademic.cn/publish/shared/Image/arch.jpg"/>
 </div>
 
-### 修工作流BUG？调试奖励？10秒获取 Traceback
+### 修工作流BUG，调试奖励？10秒获取 Traceback
 
 AgentJet 做到了真正意义上的训练、推理、调试三位一体。在传统框架下，调试一个 Agent 工作流的奖励函数是一件令人崩溃的事情。你修改了一行奖励计算逻辑，然后需要：重新启动整个训练脚本 → 等待模型加载（几十秒到几分钟）→ 等待 vLLM 引擎初始化 → 等待第一个 rollout 完成 → 终于看到报错信息。整个循环可能需要 5-10 分钟，而你可能只是写错了一处缩进。
 
 在蜂群模式下，这个痛点被彻底消除。因为 Swarm Client 是一个轻量级的纯 CPU 进程，它不需要加载任何模型权重，启动时间在秒级。你的调试循环变成了：
 
-1. 在 IDE（VS Code、Cursor 等）中修改工作流代码或奖励函数
-2. 重启 Swarm Client（约 2-3 秒）
-3. Client 立即连接到已经在运行的 Swarm Server，开始执行新的 rollout
-4. 几秒内看到结果或 traceback
+1. 在 IDE（VS Code、Cursor、ClaudeCode 等）中修改工作流代码或奖励函数；
+2. 重启 Swarm Client（约 2-3 秒）；
+3. Client 立即连接到已经在运行的 Swarm Server 开始执行新的 rollout （不需要等待模型权重重新加载）；
+4. 几秒内看到结果或 Traceback。
+
+<div align="center">
+<img width="800" alt="image" src="https://img.alicdn.com/imgextra/i1/O1CN01nCChgf1nNmLYJj2JZ_!!6000000005078-0-tps-3750-1395.jpg"/>
+</div>
 
 这意味着你可以像开发普通 Python 项目一样开发 Agent 训练流程——设断点、看变量、单步执行。整个 Client 端就是普通的 Python 代码，没有Ray也没有任何其他分布式训练框架的“黑魔法”。Cursor、Claude Code 这些 AI 编程助手也可以直接参与你的 Agent 训练开发并受益于 Agent 的即时输出反馈自动修复Bug。
 
 
-### 多任务鸡尾酒训练：要同时RL训练40%数学任务、30%代码任务、30%终端任务，且Runtime完全不一样？没问题！
+
+### 多任务鸡尾酒RL训练：要同时训练数学+代码+终端任务，且各任务环境依赖完全不同？简单
 
 多任务混合训练是提升模型泛化能力的关键手段，但在实践中却困难重重。数学任务需要一个符号计算验证器，代码任务需要一个安全的 Docker 沙箱，终端任务需要一个完整的 Linux 环境和文件系统——这三种运行时的依赖、权限要求、安全策略完全不同，把它们塞进同一个训练进程既麻烦，还不安全。
 
@@ -180,26 +185,20 @@ AgentJet 蜂群模式天然地解决了这个问题。你只需要部署一个 S
 
 
 
-### 单节点-多模型：一个Agent工作流两个异构模型一起训练？没问题，定义好奖励函数，即刻开始！
+### 单节点-多模型：同时训练多个异构模型？没问题
 
-多智能体协作是 Agent 研究的前沿方向之一，但现有框架几乎都假设所有 Agent 共享同一个底层模型。这个假设在很多场景下是不合理的：一个负责高层规划的 Agent 可能需要一个 32B 的大模型来保证推理质量，而负责具体执行的 Agent 用一个 7B 的小模型就足够了。
+多智能体协作是 Agent 研究的前沿方向之一，但现有框架几乎都假设所有 Agent 共享同一个底层模型。这个假设在很多场景下是不经济的：一个负责高层规划的 Agent 可能需要一个 32B 的大模型来保证推理质量，而负责具体执行的 Agent 用一个 7B 的小模型就足够了。
 
 AgentJet Swarm 原生支持多 Server 多模型的训练拓扑。你可以在多个GPU服务器上，同时启动多个 Swarm Server，每个 Server 承载不同大小的模型，然后用一个 Swarm Client 编排它们的协作：
 
-在工作流中，Client 可以根据角色将不同的推理请求路由到不同的 Server。规划 Agent 的对话历史发送给 32B 模型，执行 Agent 的对话历史发送给 7B 模型。两个模型各自收集自己的 rollout 样本，各自计算梯度，各自更新参数，完成真正的**非参数共享多智能体强化学习训练**。
+在工作流中，Client 可以根据角色将不同的推理请求路由到不同的 Server。规划 Agent 的对话历史发送给 32B 模型，执行 Agent 的对话历史发送给 7B 模型。
+两个模型各自收集自己的 rollout 样本，各自计算梯度，各自更新参数，完成真正的**非参数共享多智能体强化学习训练**（多个异构LLM模型同时RL训练）。
 
 这种能力打开了许多此前难以实现的研究方向：
 
-- **异构团队博弈**：不同能力等级的模型组成团队，在竞争或合作环境中各自学习最优策略。
+- **异构团队合作**：不同能力等级的模型组成团队，在竞争或合作环境中各自学习最优策略。
 - **级联决策优化**：粗粒度决策由大模型负责，细粒度操作由小模型执行，端到端联合优化整个决策链路。
-- **师生协同训练**：大模型做 teacher 提供高质量规划，小模型做 student 学习执行，两者同时通过 RL 信号共同进化。
-
-
-### 基于VERL的高效训推 GPU CoLocate
-
-AgentJet蜂群架构的灵活性并不以牺牲 GPU 利用效率 & 产生大量GPU空泡为代价。在 Swarm Server 内部，AgentJet 依然采用了经过实战检验的 VERL 训练推理 CoLocate 架构：这意味着推理（rollout generation）和训练（gradient update）共享同一组 GPU，避免了 GPU 显存的浪费。
-
-对于熟悉 VERL 的研究者来说，几乎所有 VERL 实现的算法实现，都可无损地应用到 AgentJet 中。AgentJet 在此基础上增加了蜂群通信层和时间线合并优化，但核心的训练逻辑保持一致。迁移成本低，性能表现有保障。
+- ……
 
 
 ### 不挑Agent框架，能支持OpenAI协议的BaseUrl和ApiKey就行
@@ -230,6 +229,13 @@ AgentJet 在工程质量上投入了大量精力，确保每一次训练结果
 </div>
 
 
+### 基于VERL的高效训推 GPU CoLocate
+
+AgentJet蜂群架构的灵活性并不以牺牲 GPU 利用效率 & 产生大量GPU空泡为代价。在 Swarm Server 内部，AgentJet 依然采用了经过实战检验的 VERL 训练推理 CoLocate 架构：这意味着推理（rollout generation）和训练（gradient update）共享同一组 GPU，避免了 GPU 显存的浪费。
+
+对于熟悉 VERL 的研究者来说，几乎所有 VERL 实现的算法实现，都可无损地应用到 AgentJet 中。AgentJet 在此基础上增加了蜂群通信层和时间线合并优化，但核心的训练逻辑保持一致。迁移成本低，性能表现有保障。
+
+
 ## 实力派训练框架
 
 作为一个 Agent 训练框架而言，仅仅实现一个分布式架构是远远不够的。如何提供稳定、秒上手、值得信赖的训练环境，也是我们需要研究的课题。