LongHorizon-Harness（简称 LH-Harness）是阿里高德（AMAP-ML / DreamX Team）开源的长程 Computer-Use Agent 执行框架 | 极客的赛博空间

LongHorizon-Harness（简称 LH-Harness）是阿里高德（AMAP-ML / DreamX Team）开源的长程 Computer-Use Agent 执行框架。它解决的核心问题是：现有 Agent（如 Claude Code、Codex 等）在长时间、多步骤任务中容易因上下文膨胀、自我评估错误累积、任务状态丢失而导致失败。

它通过 Manage-Execute-Audit（MEA）循环，把任务状态显式维护在执行之外，只用经环境独立验证的事实更新状态，从而让 Agent 能跨桌面应用和终端持续工作数十小时，可靠完成复杂工作流。

官方仓库：https://github.com/AMAP-ML/LongHorizon-Harness
项目主页：https://lh-harness.pages.dev
论文：https://arxiv.org/abs/2608.01964
中文 README：仓库内 README.zh-CN.md
协议：MIT

核心定位：不训练新模型、不替换现有 Agent，而是为现有 Agent 提供可持续的执行闭环（Loop Engineering）。

1. 核心思想与 MEA 循环

现有 Harness 通常把执行、状态判断、完成评估都放在同一个不断增长的上下文里，容易出现：

早期错误滚雪球
上下文腐烂（Context Rot）
任务状态丢失，无法可靠恢复

LongHorizon-Harness 把长程执行重新定义为任务状态管理问题：

角色	职责	特点
Manager（管理）	从原始目标 + 已验证进度 + 失败证据中恢复状态，规划下一步边界明确的子任务	每轮重建，决定执行/完成/阻塞/询问用户
Executor（执行）	用全新上下文只完成当前这一步（可操作桌面 App 或 CLI）	执行完后上下文丢弃，不污染长期状态
Auditor（审计）	只读检查真实环境（文件、界面、日志、测试），独立验证结果	不信任 Executor 的自我汇报，只有它能更新可信状态

循环流程：

Manager 根据已验证状态规划下一步
Executor 用新鲜上下文执行
Auditor 独立验证真实结果
通过 → 保存检查点；失败 → 记录证据并恢复
重复，直到任务真正完成（默认最多 25 轮）

只有通过独立验证的结果才能成为可信进度。

2. 主要特性

长程可靠执行：支持跨桌面应用 + 终端的连续任务，持续数十小时
状态可恢复：失败或上下文刷新后，从最后一个已验证检查点继续
多后端支持：Claude Code、Codex CLI、OpenCode、DeepSeek Harness（dsh）等
角色可独立配置模型：Manager / Executor / Auditor 可使用不同模型或后端，平衡效果与成本
GUI + CLI 统一：一个任务可在浏览器、终端、桌面软件之间无缝切换
Web Dashboard：浏览器可视化工作台，实时查看循环、追加指令、处理审批
插件化 Computer-Use：统一管理 GUI 操作能力

实测提升（相同模型 Qwen 3.7-Plus + Claude Code 后端）：

基准	指标	原始	LongHorizon-Harness	提升
WeaveBench (114 任务)	PassRate	51.8%	80.7%	+28.9
OSWorld 2.0 (108 任务)	Binary	2.8%	8.3%	3.0×
Terminal-Bench 2.1	Success	69.7%	77.2%	+7.5（token 减少 24%）

对 Claude Opus 4.7 也有显著提升。

3. 环境要求

组件	说明
Python	≥ 3.10
uv（推荐）	隔离安装工具
Agent 运行时	至少安装一个：claude（Claude Code）、codex、opencode 或 dsh（DeepSeek Harness）
Node.js	≥ 20（computer-use 插件需要；DeepSeek 可能要求更高）
平台	目前主要在 macOS 上充分测试，Windows 已支持但测试较少

4. 安装步骤

4.1 安装 LongHorizon-Harness

推荐使用 uv：

1	uv tool install lh-harness

或使用 pip：

1	pip install lh-harness

升级：

1
2
3

uv tool upgrade lh-harness
# 或
pip install --upgrade lh-harness

4.2 安装 Computer-Use 插件（如需 GUI 操作）

# 使用 Codex
lh-harness plugin install codex-computer-use

# 使用 Claude Code 或两者都用
lh-harness plugin install open-computer-use

插件全局安装，一次即可覆盖所有项目。纯 CLI 任务可跳过此步。

4.3 检查环境

1	lh-harness doctor

会检查 Python、Agent 运行时、插件、权限等是否就绪。

5. 快速使用

5.1 命令行运行（推荐先从这里开始）

lh-harness run \
  --task "总结当前目录下的所有文件内容，并生成一份 Markdown 报告" \
  --agent claude_code \
  --model qwen3.7-plus \
  --max-rounds 10

常用参数说明：

–task：任务描述（也可 –task @task.md 从文件读取）
–agent：后端（claude_code / codex / opencode / deepseek_harness）
–model：模型名称
–max-rounds：最大 MEA 轮数（默认通常 25）
可分别为角色指定：–manager-model、–executor-model、–auditor-model 等
–reasoning-effort：统一设置推理强度（也可按角色覆盖）

运行目录默认为当前工作目录，结果与审计轨迹保存在 runs//。

5.2 Web 工作台（推荐日常使用）

1	lh-harness web

浏览器打开后可：

创建任务
为 Manager / Executor / Auditor 分别选择后端和模型
实时查看 MEA 循环进度
运行中追加指令
处理审批
停止 / 重启任务
任务结束后继续对话追问（v0.1.7+）

5.3 示例命令

# 简单任务测试
lh-harness run --task "列出当前目录文件并统计数量" --agent claude_code --max-rounds 3

# 指定不同角色模型（成本优化示例）
lh-harness run --task "..." \
  --manager-model 轻量模型 \
  --executor-model 强模型 \
  --auditor-model 轻量模型

6. 适用场景

支持数百种真实复杂任务，覆盖：

Web 前端开发与验证
数据分析与可视化
运维调试
设计与图像处理
文档与演示文稿
游戏与交互应用
研究与教育
商业金融、医疗健康等专业工作流
跨应用的桌面操作 + 命令行混合任务

一个任务可以从浏览器收集信息 → 终端处理数据 → 桌面软件生成交付物 → 再回到终端验证。

7. 高级用法与提示

角色模型搭配建议
- Manager / Auditor：可用较轻量、便宜的模型
- Executor：使用更强的模型以提升执行成功率

插件管理

1
2
3

lh-harness plugin list
lh-harness plugin install <name>
lh-harness plugin uninstall <name>

任务结束后继续 v0.1.7 后，Web 工作台支持在已完成任务上直接追问，沿用已有轮次账本，无需从头规划。
调试与可见性
- 控制台实时打印每一轮进展
- runs/ 目录保存完整审计轨迹
- Web Dashboard 提供可视化
自定义适配 通过轻量 AgentAdapter 可接入其他 Agent 后端，无需修改其原生循环。

8. 常见问题

问题	建议
环境检查失败	运行 lh-harness doctor 并根据提示安装缺失组件
GUI 操作不生效	确认已安装对应 computer-use 插件，并检查权限
任务卡住或失败	查看 Auditor 报告和 runs/ 下的证据，必要时降低 –max-rounds 或更换 Executor 模型
成本较高	给 Manager 和 Auditor 使用更便宜的模型
Windows 兼容性	已支持但测试较少，建议优先在 macOS 上使用

9. 总结与快速上手路径

LongHorizon-Harness 的核心价值在于：把“模型单轮能力”与“长程可靠执行”解耦，用工程化的 MEA 循环保证进度可信、可恢复、可验证。

推荐上手步骤：

uv tool install lh-harness
安装至少一个 Agent 运行时（如 Claude Code）
（可选）安装 computer-use 插件
运行 lh-harness doctor
用简单任务测试：lh-harness run –task “…” –agent claude_code –max-rounds 3
熟悉后使用 lh-harness web 进行可视化操作