LongHorizon-Harness — 只換迴圈就讓 Agent 完成率翻倍

• URL: https://www.threads.com/share/BAodb3Sg2X/
• Date Saved: 2026-08-24
• Source: Threads (@dustin_gmat)
• Tags: ai-engineering, ai-tools
• Repo: https://github.com/AMAP-ML/LongHorizon-Harness (1,108 ⭐, created 2026-08-04)

Summary

架在 Claude Code / Codex / OpenCode / DeepSeek Harness 外面的 loop 框架。不訓練模型、不取代 agent，只做外層迴圈控制。MIT 授權。

核心架構：三角色分工

1. Manager — 從「原始目標 + 已驗證進度 + 失敗證據」重建下一步
2. Executor — 用全新 context 只做那一步（避免 context 污染）
3. Auditor — 獨立查真實檔案與測試，不採信 Executor 自述

關鍵設計：

• 過查核的才算進度，被打回的只算「證據」
• Context 掉了就從最後一個 checkpoint 接上
• 把驗收做成角色，而不是 prompt 裡一句叮嚀

數據（官方自報，Qwen 3.7-Plus + Claude Code）

• WeaveBench 完成率：51.8 → 80.7
• OSWorld 2.0 完全完成：2.8 → 8.3
• Terminal-Bench 2.1 成功率：69.7 → 77.2，且少 24% token

為什麼重要

同一模型、同一後端，只換外面那圈 loop 就能大幅提升長任務完成率。說明 agent 的瓶頸往往不在模型能力，而在 orchestration — 如何管理 context、驗證進度、從失敗恢復。