作者通过后训练提升Agent性能，构建A股投资Agent时发现小模型工具调用和推理能力不足，随后用SFT和GRPO训练7B模型，通过NGRPO方法将测试准确率提升至85%，接近DeepSeek-Chat水平。文章还讨论了调试工具和训练框架（如verl）的使用体验。