LongHorizon-Harness
为 Claude Code、Codex、OpenCode 和 DeepSeek Harness 提供长期运行循环，让 AI 代理跨桌面应用和终端持续工作数小时。
证据显示：角色隔离（Manager/Executor/Auditor）和权限分级（read-only vs workspace-write）在README中有明确描述，且代码中通过配置实现。用户确认机制存在（Dashboard审批）。数据流透明性：README说明任务状态、日志存储位置，以及API密钥不写入配置文件。敏感数据处理：API密钥通过环境变量传递，不落盘。依赖安全：依赖列表简单，且CI检查lockfile来源。外部影响：明确要求用户授权OS权限，且默认不启用插件。回滚：有checkpoint和恢复机制。来源归属：MIT许可证，但发布者未验证。扣分原因：静态审查无法验证实际执行，且部分安全声明（如角色隔离）仅靠文档断言，未提供代码级证据。
证据显示：README描述一致，配置参考详细，角色解析链清晰。依赖可用性：依赖列表明确，且CI构建验证。失败消息：doctor命令提供诊断，错误处理有测试覆盖。扣分原因：静态审查无法验证运行时可靠性，且部分失败场景（如VM exec失败）的测试仅覆盖单元层面。
证据显示：目标用户明确（开发者），场景覆盖GUI/CLI/混合。能力边界：支持多种后端和模型，但明确说明DeepSeek Harness为预览版，功能受限。触发精度：通过CLI参数和配置文件精确控制。环境适配：支持macOS（已测试）和Windows（未充分测试），有doctor检查。扣分原因：环境适配声明基于文档，未提供跨平台测试证据。
证据显示：README结构清晰，有目录和配置参考。安装说明详细，包括依赖和步骤。命名稳定：版本号明确，有changelog（News部分）。示例和FAQ：有快速开始和配置示例。已知限制：明确说明平台状态和DeepSeek限制。许可证：MIT。版本控制：有版本号和更新日志。维护责任：发布者未验证，但GitHub Actions显示发布流程。扣分原因：发布者身份未验证，且部分文档（如FAQ）缺失。
证据显示：输出可用性：提供报告和回复。边际价值：声称显著提升基准性能。成本效益：支持不同模型组合以平衡成本。扣分原因：性能声明基于自报基准，静态审查无法验证。
证据显示：README中的性能数据有具体数字和基准名称，但未提供原始数据或复现方法。跨来源佐证：有arXiv链接和Hugging Face排名，但未提供独立验证。事实与推断分离：README区分了事实（版本更新）和推断（性能提升）。扣分原因：性能声明缺乏可复现的实验细节，且arXiv链接可能不可靠（日期异常）。
- 发布者身份未验证，需谨慎对待其声明。
- 性能提升声明基于自报基准，缺乏独立复现。
- 静态审查无法验证实际运行时的安全性和可靠性。
- DeepSeek Harness集成处于预览阶段，功能受限。
- Windows支持未充分测试。
这个 Agent 能做什么，适合哪些场景？
LongHorizon-Harness 是一个循环工程系统，旨在将现有代理转变为长期运行的计算机使用系统。它围绕代理构建一个持久执行循环，通过规划、执行、验证、检查点或恢复的循环来确保任务完成。该系统支持多种代理后端，包括 Claude Code、Codex CLI、OpenCode 和 DeepSeek Harness（CLI 阶段），并允许为不同角色分配不同模型和代理。它提供 Web 工作台和命令行界面，支持 GUI 和 CLI 任务，并通过验证状态确保进度可追踪和可恢复。LongHorizon-Harness 已通过 WeaveBench、OSWorld 2.0 和 Terminal-Bench 2.1 等数百个任务进行基准测试，显著提升了任务完成率。
LongHorizon-Harness 接收一个目标，并将剩余工作分解为有界的步骤。每个循环中，Manager 角色从原始目标、已验证进度和失败证据中重建下一轮状态；Executor 角色在全新上下文中执行一步操作；Auditor 角色通过检查实际文件、用户界面、日志和测试来独立验证结果。验证通过的进度会保存为检查点，失败则记录为证据并进入下一轮。它通过 lh-harness run 命令行或 lh-harness web Web 工作台启动任务，支持 --agent 参数选择后端，并可配置 agent、model、max_rounds 等参数。运行结果保存在 ./.lh-harness/runs/<run-id>/ 目录中，包含轨迹、审计报告和最终答复。
- 开发者需要对跨桌面应用和终端的长期复杂任务进行自动化，例如在浏览器中开始任务，然后在 CLI 中处理数据，最后在桌面软件中生成文档。
- 质量保证工程师希望独立验证代理操作结果，通过 Auditor 角色确保进度真实可靠。
- 希望利用多代理后端的组织，例如使用强大的模型进行规划和审计，同时使用更便宜的模型进行执行，以平衡质量和成本。
- 研究人员需复现论文中的基准测试结果，LongHorizon-Harness 提供
eval/目录下的冻结测试套件。 - 需要长时运行代理并确保进度可恢复的用户，利用检查点机制在上下文刷新或失败后继续任务。
这个 Agent 有哪些优点和局限？
- 支持多种代理后端（Claude Code、Codex、OpenCode、DeepSeek Harness），灵活配置角色。
- 强大的验证和检查点机制，确保只有独立验证过的进度才成为任务状态，失败可恢复。
- 在多个基准测试上显示显著性能提升（如 OSWorld 2.0 完成率提升 3 倍）。
- 目前仅在 macOS 上完全测试，Windows 支持未完全验证。
- 需依赖外部代理运行时，如 Claude Code 或 Codex，可能涉及商业 API 成本。
- GUI 插件需要手动授权，如在 macOS 上授予辅助功能和屏幕录制权限。
如何安装或部署这个 Agent？
安装前需确保有 Python 3.10 或更高版本，以及一个在 PATH 中的代理运行时：codex、claude、opencode 或 dsh。建议使用 uv tool install lh-harness 或 pip install lh-harness 安装。如需 GUI 支持，还需安装 Node.js 20+，并运行 lh-harness plugin install codex-computer-use（Codex）或 open-computer-use（Claude Code 或两者）。然后进入项目目录运行 lh-harness init 生成配置。
如何使用这个 Agent？
在项目目录中使用命令行启动任务，例如：TASK="检查当前目录并概括文件" && lh-harness run --task "${TASK}" --agent codex。或通过浏览器启动工作台：lh-harness web --workspace-root .，在打开的界面中创建任务。运行进度会在控制台显示，并生成报告保存至 ./.lh-harness/runs/<run-id>/logs/report.json。可运行 lh-harness doctor 检查环境，确保代理 CLI、Node.js 和插件等就绪。