LongHorizon-Harness 

在当前的 AI 编程助手中，单次会话内的任务执行已日趋成熟。然而，当面对跨越数天甚至数周的复杂工程、研究或实验目标时，传统的聊天记忆和定时器往往显得力不从心：目标会漂移、证据会过期、Agent 之间的交接缺乏上下文，且难以进行有效的状态恢复与复盘。

LongHorizon-Harness 是一个面向长程任务的执行、状态管理和结果验证系统。它不训练新模型，也不替换现有的 Agent（如 Claude Code、Codex 或 OpenClaw），而是作为它们的“大脑皮层”，帮助 Agent 在真实电脑环境中长时间自主运行，持续推进复杂任务。

核心理念：三权分立，状态可信

LongHorizon-Harness 将规划、执行和验收彼此分离，避免让同一个不断增长的上下文同时承担所有工作。它引入了三个独立角色：

这种设计确保了即使上下文刷新、操作失败或交付不合格，系统仍会保留此前已经验证的进展，并从缺失部分继续推进，实现状态不漂移。

全栈能力：GUI 与 CLI 的统一调度

LongHorizon-Harness 打破了传统 Agent 仅能处理代码或文本的局限，实现了对整台计算机的控制：

• 🖥️ 桌面 App 操作：通过兼容的计算机操作 MCP 服务，实现点击、输入、滚动、浏览网页、操作表格、编辑文档、使用设计软件甚至 3D 工具。
• ⌨️ 命令行交互：编写修改代码、运行脚本、安装依赖、配置系统、处理文件和数据。

一个任务可以先在浏览器中收集信息，再通过命令行处理数据，接着在桌面软件中生成交付物，最后回到命令行验证。整个过程中，目标、进度和证据始终由同一套状态管理系统维护。

灵活架构：任意模型，任意后端

• 模型无关：支持 Claude、GPT、Qwen 等主流模型。
• 后端兼容：原生支持 Claude Code、Codex CLI、OpenClaw，并可通过自定义 AgentAdapter 接入其他系统。
• 角色自由组合：项目经理、执行者和验收员可以分别使用不同模型或后端，在效果、速度和成本之间进行权衡。
• 环境多样：支持本地、SSH 远程主机及 Docker 容器。

规模化验证：数百个真实任务

LongHorizon-Harness 已在涵盖 GUI、CLI 和混合环境的数百个复杂任务中得到验证，领域包括：

• Web 前端：开发、修复和验证网站。
• 数据分析：处理数据、生成图表与仪表盘。
• 运维调试：排查日志、网络、性能和服务故障。
• 设计与创意：编辑视觉素材、制作视频音频。
• 行政与合规：处理表单、法律流程和安全提交。

快速上手

1. 安装

需要 Python 3.10+ 及至少一个 Agent 运行时。

uv tool install lh-harness

2. 运行任务

简单任务：

lh-harness run --task "检查当前目录并总结其中的文件。"

复杂任务（带 Dashboard）：

lh-harness run --task @task.md --dashboard

3. 接入 GUI 操作

通过 MCP 配置接入计算机操作服务：

lh-harness run --task @task.md --agent claude_code \
  --mcp-config /path/to/your/mcp.json \
  --mcp-add-dir /path/to/your/mcp/files

透明与可审计

每次运行都会保存在独立的 runs/<run-id>/ 目录中，包含：

• 任务状态：最初目标、需求、可信进度。
• 事件流：整个运行过程的完整记录。
• 验收报告：每一轮的证据和结论。
• 工作区：执行过程中产生的所有文件。

Dashboard 会实时展示每一轮的规划、执行结果、审计证据和返工原因。当任务完成、受阻或连续失败时，系统会提供人工介入节点，确保人类始终掌握最终控制权。