LongHorizon-Harness：让 AI Agent 真正干完”长任务”的执行框架

LongHorizon-Harness：让 AI Agent 真正干完”长任务”的执行框架

AI Agent 在短时单轮任务上已经相当惊艳，但一旦拉长到需要几十步、跨越桌面应用和终端的长流程任务，模型再强也会”掉链子”——不是模型不够聪明，而是执行循环缺乏工程化设计：上下文累积导致状态漂移、部分失败后进展丢失、无法独立判断”真完成”还是”声称完成”。

LongHorizon-Harness 正是为解决这一系统性问题而生。它不训练新模型，也不替换 Claude Code 或 Codex 的执行循环，而是在外围构建一套”循环工程”（Loop Engineering）架构——规划、行动、验证、检查点/恢复，循环往复直到任务真正交付。

功能与原则

LongHorizon-Harness 的核心定位是长时计算机使用执行框架（long-horizon computer-use harness）。它将现有 AI Agent 改造为可持续运行数十小时的系统，跨越桌面应用和终端 CLI，保留任务状态并在复杂工作流中实现可靠进展。

设计原则遵循三个角色分工，而非让单一 Agent 独自推进：

• Manager（管理器）：每轮从原始目标、已验证进展、失败证据和剩余工作中重建上下文，决定下一步
• Executor（执行器）：以全新上下文启动，在桌面应用或 CLI 中完成一个明确定义的步骤
• Auditor（审计员）：独立检查实际文件、界面、日志和测试结果，不信任执行器的自我声称

只有经过独立验证的结果才能进入可信任务状态，被拒绝的结果保留为证据而非进展。

认可度

• GitHub 星数：截至 2026-08-21 约 869 星（开源仅16天，从初始 232 星高速增长）
• 周新增：+529 stars（2026-08-13 所在周），位列 GitHub AI Agent Trending 第2
• 论文排名：2026-08-06 登顶 Hugging Face 每日论文排行榜第1
• 社区热度：GitHub Topics 页面持续活跃，v0.1.7（2026-08-20）刚发布 Web Workbench 重大更新

链接

GitHub：https://github.com/AMAP-ML/LongHorizon-Harness

原作者

AMAP-ML（阿里巴巴旗下位置服务平台团队）。AMAP 即高德地图，ML = Machine Learning。该团队将高德在导航、物流领域积累的多步规划与验证经验抽象为通用框架，开源给社区。

介绍

LongHorizon-Harness 的核心理念来自一篇 arXiv 论文（arXiv:2608.01964）。论文指出：AI Agent 在长任务上失败，通常不是模型能力问题，而是系统工程的缺失——上下文累积导致状态漂移、部分失败后进展丢失、无法区分”真完成”和”声称完成”。LongHorizon-Harness 对症下药，用架构而非训练来解决。

它的工程实现包含一个 Web Workbench（lh-harness web 命令启动）和一个 CLI 接口。工作流程遵循”规划→行动→验证→检查点/恢复→重复”的循环：Manager 规划下一步bounded step，Executor 在真实计算机环境中执行，Auditor 独立检查实际结果，通过验证则记录检查点，失败则保留证据进入下一轮。

该框架支持多种底层 Agent 后端：Claude Code、Codex、OpenCode、DeepSeek Harness。8月15日新增 OpenCode 支持，8月14日新增 DeepSeek Harness 支持，架构扩展性保持良好。

特点

• 循环工程而非模型训练：不依赖更强模型，用执行循环设计解决长任务失败问题
• 三重角色分工：Manager/Executor/Auditor 各司其职，只有通过独立验证的结果才能推进任务
• 多后端支持：Claude Code、Codex、OpenCode、DeepSeek Harness 可自由切换，不被供应商绑定
• Web Workbench：lh-harness web 提供浏览器内任务管理面板，支持中途发指令、查看进度、停止或重启任务
• 检查点与恢复：每次验证通过后自动保存可信进展，任务中断后可从上一个检查点恢复，不重新来过
• MIT 许可证：完全开源，可商 用

使用方法

安装（一行命令）：

pip install longhorizon-harness

或者使用 CLI 直接安装：

lh-harness web   # 启动 Web Workbench（推荐）
lh-harness web --agent claude_code --model claude-sonnet-4

命令行运行任务：

lh-harness run "帮我把这个数据分析脚本跑完，生成 PDF 报告"

初始化配置（支持 Claude Code / Codex / OpenCode / DeepSeek Harness）：

lh-harness init --agent opencode
lh-harness doctor   # 验证环境配置是否正确

使用场景与人群

• 复杂长流程任务：需要跨桌面应用（浏览器、IDE、数据工具）和 CLI 持续运行数十小时的任务，如自动化测试流水线、数据报告生成、文档批量处理
• 需要可信完成保证的场景：当任务失败代价高、无法实时盯守时，Auditor 角色的独立验证提供了额外的安全保障
• 多模型评估：开发者可横向对比 Claude Code / Codex / OpenCode / DeepSeek Harness 在同一长任务上的表现差异
• 目标用户：AI Agent 研究者、需要让 AI 完成真实复杂工作流的工程师、以及评估和对比不同 Agent 后端的开发者

输入与输出案例

案例1：自动化数据分析报告

• 输入：lh-harness run "读取 /data/sales.csv，做转化率分析，生成带图表的 PDF 周报"
• 执行流程：Manager 规划第一步（读取 CSV）→ Executor 在 CLI 执行读取 → Auditor 验证文件内容 → 通过则检查点 → Manager 规划下一步（计算指标）→ 循环往复直到报告生成
• 输出：一份经过 Auditor 逐项验证的 PDF 报告，中途任何步骤失败均保留证据，最终告知”哪一步卡住、为什么”

案例2：跨桌面应用的 UI 测试任务

• 输入：lh-harness run --agent codex "打开 Chrome，打开电商网站，完成一次完整下单流程"
• 执行流程：Manager 将”下单”拆解为导航→搜索→加购→结算等 bounded step；Executor 操作真实浏览器；Auditor 截图对比验证页面状态
• 输出：完整下单流程的每一步验证记录 + 最终截图，可供人工 review 或 CI 集成

GitHub: https://github.com/AMAP-ML/LongHorizon-Harness