AMAP-ML/LongHorizon-Harness

LongHorizon‑Harness – 面向计算机使用代理的循环工程

它是什么

• 一个基于 Python 的框架，用 循环 包装现有的 LLM 驱动代理（Claude Code、Codex、OpenCode、DeepSeek Harness），使它们能够在真实的桌面应用程序和终端上运行数小时。
• 该循环由每轮执行的三个角色组成：
  1. Manager – 重新组合目标、已验证的进度和任何失败证据，并规划下一个有界步骤。
  2. Executor – 在新上下文中运行该步骤（GUI 点击/输入或 CLI 命令）。
  3. Auditor – 独立检查文件系统、UI、日志或测试，以验证步骤是否实际成功。
• 只有验证过的结果才会成为持久任务状态的一部分；失败会作为下一轮的证据被记录。

为什么重要

• 现有的代码生成代理擅长单轮提示，但在长时间、多步骤的计算机使用任务上会崩溃。LongHorizon‑Harness 提供了缺失的执行、验证和恢复机制，使代理能够完成跨多个应用程序的复杂工作流。
• 它 无需重新训练 任何模型即可工作 – 您只需将 harness 指向您已经在使用的代理即可。

主要特性

• 一键安装（uv tool install lh-harness 或 pip install lh-harness）。
• 多后端支持 – Claude Code、Codex CLI、OpenCode、DeepSeek Harness 或任何自定义的 AgentAdapter。
• GUI + CLI 覆盖 – 可以在单个任务下点击、输入、滚动、编辑文档、运行终端命令、安装包等。
• 仪表板 – 一个 React/FastAPI Web 工作台（lh-harness web），用于启动运行、批准请求、发送运行中指令和检查日志。
• 插件系统 – 安装一个计算机使用插件（codex-computer-use、open-computer-use、clawdcursor），为代理提供操作系统级控制。
• 稳健恢复 – 失败轮次的证据会反馈到下一步规划中；运行可以暂停、恢复或通过后续查询继续。
• 角色级配置 – Manager、Executor、Auditor 每个都可以使用不同的模型或后端。
• 诊断 – lh-harness doctor 检查环境（Python、代理二进制文件、Node.js、权限）。

基准测试与结果

基准测试	指标	基线（Claude Code）	LongHorizon‑Harness	提升
WeaveBench（114 个任务）	通过率	51.8%	80.7%	+28.9%
WeaveBench	总体得分	0.702	0.835	+0.133
OSWorld 2.0（108 个任务）	二元成功	2.8%	8.3%	3×
OSWorld 2.0	部分成功	21.5%	35.2%	+13.7%
Terminal‑Bench 2.1	成功率	69.7%	77.2%	+7.5%
所有实验均使用 Qwen 3.7‑Plus 作为底层模型，Claude Code 作为执行后端。

典型工作流

1. 安装 harness 和一个计算机使用插件。
2. 在您的项目中运行 lh-harness init 以创建 config.toml。
3. 启动运行 – 通过 Web UI（lh-harness web --workspace-root .）或直接从 CLI：

   TASK="Inspect the current directory and summarize its files."
   lh-harness run --task "$TASK" --agent codex
   

4. harness 将重复：
   • 规划下一步，
   • 在所选环境中执行，
   • 验证结果，
   • 检查点进度或记录失败证据。
5. 当达到目标时，会打印一个通俗易懂的最终答案，并在 ./.lh-harness/runs/<run‑id>/ 下保存一个 JSON 报告。

安装快照

# 推荐的隔离安装
uv tool install lh-harness   # 或：pip install lh-harness

# 安装计算机使用插件（例如 Claude Code）
lh-harness plugin install open-computer-use

# 初始化项目
cd /my/project
lh-harness init

支持的平台

• 在 macOS 上开发和测试。Windows 支持目前需要 WSL2（缺少仅 POSIX 的原语）。
• 需要 Python ≥ 3.10、Node.js ≥ 20（用于插件）以及所选代理二进制文件在 PATH 中。

许可证

• MIT 许可证（参见 LICENSE）。

---

底线 – LongHorizon‑Harness 是一个实用的、开源的“循环工程”层，让您可以将任何基于 LLM 的代码/助手代理转变为可靠、长期运行的计算机使用系统，能够处理真实的 GUI 和 CLI 工作流。