长时任务执行闭环AMAP-ML/LongHorizon-Harness

LongHorizon-Harness

面向 Computer-Use Agent 的 Loop Engineering

只需向 Claude Code、Codex、OpenCode 或 DeepSeek Harness 给出一次目标，即可让它跨桌面 App 与终端持续工作数十个小时。

规划 → 执行 → 验证 → 保存或恢复 → 重复，直到任务真正完成。

Python
Agents
Benchmarks

Usage · The Loop · Computer Use · Results · Project Website · English

模型决定 Agent 一轮能做什么。LongHorizon-Harness 负责工程化模型外部的执行闭环：下一步做什么、如何在真实电脑中验证、哪些进度可以保存，以及在失败或上下文刷新后如何继续。

一套面向 Claude Code、Codex、OpenCode 和 DeepSeek Harness 的 Loop Engineering 系统。一条命令安装，开箱即用。

LongHorizon-Harness 将现有 Agent 变成可长期运行的 computer-use 系统。它在桌面 App 与终端 CLI 之间持续恢复目标和已验证状态、选择下一项有明确边界的工作、用全新上下文执行、检查真实结果，再保存通过验收的进度，或把失败证据带入下一轮。它不训练新模型，也不替换现有 Agent，而是为现有 Agent 提供一套可持续运行的执行闭环。

✨ News

- [v0.1.7 · 2026-08-20] 任务跑完不再是终点，工作台变成了一场对话：看完回复直接追问，任务会沿用自己已完成的轮次继续跑，而不是从头重新规划。运行中发出的消息会被下一轮立即取用，先停止再继续也不会漏掉。同时新增 --reasoning-effort 统一设置各角色的推理强度（也可用 --manager-reasoning-effort 等单独覆盖），并转发给支持该能力的后端。对话现在严格按时间顺序展示，而强制中止只在 worker 忽略正常停止时才会出现。
- [v0.1.6 · 2026-08-15] 新增 OpenCode CLI 支持。LongHorizon-Harness 现在可以通过 --agent opencode 调用 opencode run prompt，并支持按角色划分的读写权限、OpenCode API 端点覆盖、标准化 JSON 结果，以及 CLI/config/doctor 集成。Web 工作台可以为每个角色单独选择 OpenCode Harness 及其模型。
- [v0.1.5 · 2026-08-14] 第一阶段已适配 DeepSeek Harness CLI。LongHorizon-Harness 现在可以通过 --agent deepseek_harness 调用 dsh --profile headless，并提供隔离的 DSH_HOME、按角色划分的读写权限、DeepSeek API 端点覆盖、标准化 JSONL 结果以及 CLI/config/doctor 接入。Web 工作台支持为每个角色分别选择 DeepSeek Harness 及其模型；GUI computer-use 和 MCP 支持将在后续阶段补充。使用方式见 CLI 配置说明。
- [v0.1.4 · 2026-08-11] 新版 Dashboard 已上线：基于 React/FastAPI 的工作台，全部操作都能在浏览器里完成——发起任务、为每个角色分别选择后端和模型、处理审批、运行中追加指令、停止或重启任务。用 lh-harness web 启动，见在网页上运行任务。
- [2026-08-10] 补充了 Terminal-Bench 2.1 评测。
- [v0.1.3 · 2026-08-07] 每次运行结束都会输出一份自然语言回复，只依据已验证状态回答你的任务；任务默认作用于你启动命令的目录，控制台也会实时打印每一轮进展。
- [2026-08-06] LongHorizon-Harness 登上 Hugging Face Daily Papers 周榜第 1 名。
- [v0.1.2 · 2026-08-06] 新增统一的 computer-use 插件管理，强化 Auditor 只读校验、角色隔离和进程清理，并扩展 doctor 环境检查。见管理 computer-use 插件。

🚀 我们正在快速迭代，敬请期待！

视频演示

https://github.com/user-attachments/assets/ca8b77ce-9220-4d85-a272-b346009b2454

打开宣传视频（1440p MP4）

面向真实电脑环境的 Loop Engineering

向 LongHorizon-Harness 给出一个目标。它会不断把剩余工作拆成一项边界明确的任务，在正确的电脑界面中执行，检查真实结果，并把通过验证的进度带入下一轮。

flowchart LR
S["原始目标 +已验证状态"] --> P["规划下一项边界明确的任务"]
P --> A["使用全新上下文操作桌面 App 或 CLI"]
A --> V["在真实环境中检查文件、界面、日志和测试"]
V -->|通过| C["保存已验证进度"]
V -->|未通过| R["记录证据并恢复"]
C --> D{"任务完成？"}
R --> S
D -->|否| S
D -->|是| F["已验证结果"]

这就是 Loop Engineering：工程化 Agent 外部的执行、验证、纠错与恢复闭环，而不只是优化单轮 Prompt。

一个闭环，三种专注职责

三个角色是同一执行闭环内的职责边界，并不是三个各自维护不同任务版本的 Agent。

| 闭环职责 | 角色 | 负责内容 |
|---|---|---|
| 🧭 状态与下一步 | Manager | 每轮从原始目标、已验证进度、失败证据和剩余工作中恢复任务，并确定下一步 |
| ⚡ 执行 | Executor | 使用全新上下文，在桌面 App 或 CLI 中只完成一项边界明确的任务 |
| 🔍 真实依据 | Auditor | 独立检查真实文件、界面、日志和测试，不直接相信 Executor 对结果的描述 |

只有通过独立验证的结果才能成为可信任务状态。被拒绝的结果只作为证据，不会被记作进度。即使上下文刷新、操作失败或交付不合格，下一轮也会从原始目标和最后一个已验证检查点重新开始，继续完成剩余工作。

桌面 App 与命令行。一个连续任务。

LongHorizon-Harness 同时支持 GUI 和 CLI 工作流。

| 🖥️ 操作桌面 | ⌨️ 使用命令行 |
|---|---|
| 🌐 点击、输入、滚动和浏览 | 💻 编写和修改代码 |
| 📊 操作表格 | ▶️ 运行命令和脚本 |
| 📄 编辑文档 | 📦 安装依赖和环境 |
| 🎨 使用设计软件 | 🔧 配置和调试系统 |
| 🧊 操作 3D 工具 | 📁 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或调试。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。

任意模型。任意 Agent 后端。

LongHorizon-Harness 不绑定特定模型或 Agent 后端。现有模型和 Agent 可以通过配置接入，无需改变原来的工作方式。

| | 层级 | 支持选项 |
|---|---|---|
| 🧠 | 模型 | Claude、GPT、Qwen，以及 Agent 后端提供的其他模型 |
| 🤖 | Agent 后端 | Claude Code、Codex CLI、OpenCode、DeepSeek Harness（dsh，第一阶段仅 CLI），以及自定义 AgentAdapter 实现 |
| 🎛️ | 角色分配 | Manager、Executor 和 Auditor 可以分别使用不同模型或后端 |
| 🖥️ | 执行环境 | 本地，并提供可扩展的 Environment 协议 |

轻量级 AgentAdapter 会保留每个 Agent 原生的执行循环，同时让 LongHorizon-Harness 在外层协调角色边界、可信任务状态和跨轮进度。

三个角色既可以使用同一个模型，也可以组合不同模型和后端，在效果、速度和成本之间进行权衡。

数百个真实任务。规模化验证。

LongHorizon-Harness 不只展示了几个精心挑选的成功案例。

我们让它在数百个覆盖 GUI、CLI 和混合电脑环境的复杂任务中持续工作：

| 任务领域 | 具体内容 |
|---|---|
| 🌐 Web 前端 | 开发、修复和验证网站与 Web 应用，结合浏览器交互、开发者工具和代码修改完成任务 |
| 📊 数据分析与可视化 | 处理数据、生成图表与仪表盘，并检查分析结果和可视化交付物 |
| 🛠️ 运维与调试 | 排查日志、网络、性能和服务故障，完成系统配置、诊断与修复 |
| 🎨 设计与图像处理 | 编辑视觉素材、匹配设计稿、处理图像并验证最终视觉效果 |
| 🎮 游戏与交互 | 构建、操作和调试游戏或交互式应用，检查交互逻辑与运行结果 |
| 📄 文档与演示 | 编辑文档和演示文稿，处理内容、格式、引用、布局和最终交付 |
| 🧊 空间推理 | 完成涉及空间关系、几何结构、精确放置和 3D 操作的任务 |
| 🖥️ 桌面与系统设置 | 操作桌面应用、文件和系统设置，完成跨软件的配置与管理工作 |
| 🔬 研究与教育 | 完成文献研究、课程作业、教学材料、表单和研究支持工作流 |
| 🎬 创意制作 | 制作演示、视频、音频及其他多媒体内容，并完成跨工具的素材处理 |
| ⚙️ 工程与计算 | 使用 CAD、EDA、科学软件、开发工具和云端或 DevOps 工具链完成专业任务 |
| 🎫 个人服务 | 处理活动票务、日常服务、游戏和视觉搜索等面向个人用户的工作流 |
| 🏛️ 行政与合规 | 完成办公、法律、政策敏感表单、机构流程和安全相关的提交任务 |
| 💼 商业与金融 | 处理市场分析、采购、贷款、销售、报销和其他需要跨应用核对的企业工作流 |
| 🏥 医疗健康 | 完成医疗质控、保险、免疫记录和结构化健康表单等工作流 |

模型相同。执行后端相同。只改变 Harness。

约 50% → 约 80%
GUI + CLI 任务完成率
WeaveBench

3 倍
长时间桌面任务完整完成率
OSWorld 2.0

69.7% → 77.2%
代码与命令行任务成功率
Terminal-Bench 2.1 · token 减少 24%

📊 完整评测结果与实验设置

| 评测 | 指标 | Claude Code | LongHorizon-Harness | 提升 |
|---|---|:-:|:-:|:-:|
| WeaveBench（114 个任务） | PassRate | 51.8 | 80.7 | +28.9 |
| WeaveBench | Overall | 0.702 | 0.835 | +0.133 |
| OSWorld 2.0（108 个任务） | Binary | 2.8 | 8.3 | 3.0 倍 |
| OSWorld 2.0 | Partial | 21.5 | 35.2 | +13.7 |
| Terminal-Bench 2.1 | 成功率 | 69.7 | 77.2 | +7.5 |

所有结果均使用 Qwen 3.7-Plus 作为基础模型，并使用 Claude Code 作为执行后端。

完整实验设置、结果表格和案例轨迹可在 LongHorizon-Harness 项目主页 查看。

一条命令。全程可见。

安装

第 1–2 步每台机器只需做一次，第 3 步针对每个项目。之后在网页上运行任务（第 4 步）或用命令行运行（第 5 步）。

环境要求

| | 用途 |
|---|---|
| uv | 推荐的隔离安装方式。习惯用 pip 可以不装。 |
| Python 3.10 或更高版本 | 运行 Harness。uv tool install 自带 Python；用 pip 安装则使用你当前的。 |
| PATH 上有一个 Agent 运行时：codex、claude、opencode 或 dsh | 真正执行任务。想按角色混用多个后端就安装多个。 |
| Node.js 20 或更高版本 | npm 分发的 computer-use 插件需要；DeepSeek Harness 本身目前要求 Node.js ^22.19.0 或 >=24.0.0。 |

平台状态： 目前只在 macOS 上完成了测试；Windows 已支持，但尚未经过详细测试。

以上都可以用 lh-harness doctor 一次性检查，见检查运行环境。

1. 安装 LongHorizon-Harness

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

后续升级用 uv tool upgrade lh-harness 或 pip install --upgrade lh-harness。

2. 安装 computer-use 插件

任务不涉及 GUI 可以跳过。否则按你使用的 Agent 装对应的那个。默认不会启用任何插件，且按机器安装一次即可覆盖所有项目。

使用 Codex：

lh-harness plugin install codex-computer-use

使用 Claude Code，或两个 Agent 都用：

lh-harness plugin install open-computer-use

codex-computer-use 是 Codex CLI 自带的官方插件，只支持 Codex。open-computer-use 通过 npm 分发，需要 Node.js 20+，两个 Agent 都能驱动。两者都需要系统权限，且 macOS 上必须手动授予。相关说明、第三个可选插件 clawdcursor，以及各自的接线方式，见管理 computer-use 插件。

3. 生成项目配置

cd /path/to/your/project
lh-harness init

该命令会生成 ./.lh-harness/config.toml，默认不会覆盖已有文件；需要重新生成时用 lh-harness init --force。打开它按需修改，每个字段的说明见配置字段说明。

4. 在网页上运行任务（推荐）

lh-harness web --workspace-root .

该命令在 http://127.0.0.1:8799/ 打开工作台，所有操作都在这里完成：发起任务、为每个角色分别选择后端和模型、处理审批请求、在运行中追加指令、停止或重启任务，以及在任务结束后继续追问——追问会沿用它已完成的轮次继续同一个任务。--workspace-root 指定在工作台中创建任务时的默认工作目录，其余参数见 Dashboard 命令。

5. 也可以用命令行运行任务

TASK="检查当前目录并总结其中的文件。"
lh-harness run --task "${TASK}" --agent codex

命令行上显式传入的参数（如 --agent）会覆盖 ./.lh-harness/config.toml 中的对应配置，仅对本次运行生效；不传则沿用配置文件里的默认值。

使用第一阶段的 DeepSeek Harness CLI 后端时，安装官方 npm 包、提供 DeepSeek API Key，并选择 deepseek_harness：

npm install -g @deepseek-ai/dsh
如果当前 npm 镜像尚未同步该包：
npm install -g @deepseek-ai/dsh --registry=https://registry.npmjs.org

dsh --version
export DEEPSEEK_API_KEY="sk-..."
使用私有或兼容端点时可选：
export DEEPSEEK_BASE_URL="https://your-endpoint.example.com"

lh-harness doctor
lh-harness run --task @task.md --agent deepseek_harness \
--model deepseek-v4-flash --no-dashboard

需要将 DeepSeek Harness 设为当前项目的默认后端时，在 ./.lh-harness/config.toml 中写入：

[run]
agent = "deepseek_harness"
model = "deepseek-v4-flash"
dashboard = false

之后就可以继续使用原来的 LongHorizon-Harness 命令：

lh-harness run --task @task.md

LongHorizon Web 工作台也会在每个角色的 Harness 下拉框中显示 DeepSeek Harness (CLI)，模型可选择 deepseek-v4-flash 或填写自定义模型 ID。启动 Web 服务前先导出 provider 环境变量，确保后续 worker 可以继承：

export DEEPSEEK_API_KEY="sk-..."
export DEEPSEEK_BASE_URL="https://your-endpoint.example.com"
lh-harness web --workspace-root .

适配器通过 dsh --profile headless 运行，每次 run 使用隔离的 DSH_HOME；Executor 使用 workspace-write，Manager 和 Auditor 使用 read-only。--api-key 会映射到 DEEPSEEK_API_KEY，--base-url 会映射到 DEEPSEEK_BASE_URL，也可用 LH_HARNESS_DSH_BINARY 指定不在 PATH 上的二进制。DeepSeek Harness 仍处于 developer preview；第一阶段暂不接入它的 Web UI、computer-use 插件、MCP 配置或 --mcp-add-dir。目前 headless profile 只返回最终答案，因此 DeepSeek 的中间 tool event 不会实时进入 trajectory；上游任务接口采用位置参数，episode 运行期间任务文本也会出现在子进程参数列表中。

Agent 直接在你启动命令的那个目录里工作，任务作用于你的真实项目。需要换到别处时设置 workspace 或 --workspace。./.lh-harness/ 本身会被排除在外，本次运行自己的日志和状态不会被当成任务内容。

Dashboard 会自动在浏览器中打开，控制台会逐行打印每个角色的进展。结束时会输出一份自然语言回复，只依据已验证状态回答你的原始任务，没跑完也会如实说明。

每次运行都会存放在 ./.lh-harness/runs// 下，包含该回复的完整报告在 logs/report.json。

检查运行环境

lh-harness doctor

doctor 是只读的，只报告 Python 运行时、Agent CLI、Node.js 和插件状态，必需项失败时返回非零退出码。

Agent CLI 会实际执行  --version 来验证，而不是只看它在不在 PATH 上，所以存在但跑不起来的 CLI 会被判为 FAIL 而非 OK。这能抓到 Windows 上的一个坑：从 Microsoft Store 装桌面应用后，PATH 上会留下一个 0 字节的 codex.exe 别名，那不是 CLI，doctor 会给出修复方式。

它还会检查 PyPI 上是否有新版本。也可以单独运行：

lh-harness check-update

配置字段说明

lh-harness run 启动时会自动读取 ./.lh-harness/config.toml，优先级为：

1. 显式传入的 CLI 参数
2. ./.lh-harness/config.toml 中的值
3. 内置默认值

任务内容、run ID 和 API key 刻意不做成配置项，只能通过命令行或环境传入，以免落进可能被提交的文件里。

[run]

| 字段 | 默认值 | 说明 |
|---|---|---|
| agent | "codex" | 所有角色使用的后端（角色可单独覆盖）：codex、claude_code、opencode 或 deepseek_harness。 |
| model | "gpt-5.6-sol" | 所有角色使用的模型（角色可单独覆盖）。必须是所选后端支持的模型。 |
| reasoning_effort | 默认注释 | 所有角色的推理强度（角色可单独覆盖），转发给支持该能力的后端。不设置则沿用服务方自身的默认值。 |
| env | "local" | 执行环境，目前只有 local。 |
| runs_root | "./.lh-harness/runs" | 运行目录的根路径，每次运行生成 //。 |
| workspace | 默认注释 | Agent 实际操作的工作目录。默认就是启动 lh-harness 的那个目录，任务直接作用于你的真实项目；需要隔离到别处时才设置。 |
| harness_dir | 默认注释 | Harness 任务状态的写入位置，默认为该次运行自己的 harness/，不会写进工作目录。 |
| log_dir | 默认注释 | 日志目录，默认为该次运行自己的 logs/。 |
| base_url | 默认注释 | OpenAI 兼容端点覆盖，用于代理或自建模型服务。 |
| prompt_language | "en" | Harness 自身生成的 Prompt 与报告的语言：en 或 zh。不限制任务本身的语言。 |
| claude_mcp_config | 默认注释 | Claude Code 用的 .mcp.json 路径，会覆盖已安装的插件。 |
| codex_mcp_config | 默认注释 | Codex 用的 [mcp_servers.] TOML 路径，会覆盖已安装的插件。 |
| mcp_add_dirs | [] | 额外允许 MCP server 读取的目录。Claude Code 会拒绝该项，因为其角色隔离要求任务文件必须放在工作目录内。 |
| max_rounds | 30 | Manage-Execute-Audit 循环的最大轮数，达到即停止。 |
| dashboard | true | 每次运行时启动 Web Dashboard。 |
| dashboard_port | 0 | Dashboard 端口，0 表示由系统分配空闲端口。 |

[run.timeouts]

单次 episode 的超时（秒）。一个 episode 指一次角色调用，不是整轮、也不是整个任务。

| 字段 | 默认值 | 说明 |
|---|---|---|
| manager | 600 | 规划下一步。 |
| gui_executor | 1800 | 执行 GUI/视觉子任务。 |
| cli_executor | 1800 | 执行 CLI/非 GUI 子任务。 |
| auditor | 600 | 验收子任务，两个 auditor 共用。 |

[run.roles.]

每个角色都可以单独指定 agent、model 与 reasoning_effort，因此可以只在关键位置使用强模型：例如 Manager 与 Auditor 用强模型、Executor 用更便宜的。所有字段默认都是注释状态，表示「继承」。

取值时沿以下链路回退，直到找到值为止：

gui_executor → executor → [run].agent / [run].model / [run].reasoning_effort
cli_auditor  → auditor  → [run].agent / [run].model / [run].reasoning_effort

| 配置段 | 回退到 | 作用范围 |
|---|---|---|
| [run.roles.manager] | [run] | 调度角色 |
| [run.roles.executor] | [run] | 两个 executor 角色 |
| [run.roles.gui_executor] | executor | GUI/视觉子任务 |
| [run.roles.cli_executor] | executor | CLI/非 GUI 子任务 |
| [run.roles.auditor] | [run] | 两个 auditor 角色 |
| [run.roles.gui_auditor] | auditor | GUI 验收 |
| [run.roles.cli_auditor] | auditor | CLI 验收 |
| [run.roles.final_response] | manager | 写给你的最终回复 |

上述每个字段都有对应的 CLI 参数（--agent、--max-rounds、--gui-executor-model、--auditor-timeout 等）可以对单次运行覆盖。完整列表见 lh-harness run --help。

当 Manager、Executor 或 Auditor 达到本地 episode 超时时限时，Harness 会保留已有轨迹和任务状态，并让下一轮 Manager 检查真实 workspace 后继续恢复。本地 episode 超时会显示为“Agent 执行超时”，不会再被误判为 provider 网络故障；连续超时仍会触发 Dashboard 的人工复核门禁。

管理 computer-use 插件

插件的安装与任务执行相互独立：doctor 只检查状态，lh-harness run 不会安装、卸载或修改任何插件。所有变更都通过 lh-harness plugin 完成。

列出全部插件及其安装状态、支持的 Agent 和主页：

lh-harness plugin list

| 插件 | 来源 | 支持的 Agent | 支持平台 |
| --- | --- | --- | --- |
| codex-computer-use | Codex CLI 自带的官方插件 | codex | 取决于本机 Codex 版本提供的范围 |
| open-computer-use | npm（open-codex-computer-use） | codex、claude_code | macOS、Windows、Linux |
| clawdcursor | npm（clawdcursor） | codex、claude_code | macOS、Windows、Linux |

安装时无需指定 Agent，默认为该插件支持的全部 Agent 完成配置，不同 Agent 的差别只是多一份配置文件：

lh-harness plugin install clawdcursor

按机器安装一次即可，不区分项目。这一步会安装包、按当前操作系统执行插件需要的授权步骤，并在 ~/.lh-harness/plugins/ 下为每个 Agent 生成一份 MCP 配置。不在 PATH 上的 Agent 会被跳过；用 --agent 可缩小范围，无桌面会话时用 --no-activate 跳过授权步骤。

之后 lh-harness run 会自动加载对应的 MCP server。装了多个插件时，按以下顺序取第一个可用的：

codex-computer-use > open-computer-use > clawdcursor

--claude-mcp-config 和 --codex-mcp-config 会覆盖这个选择。plugin list 与 doctor 都会打印每个 Agent 实际加载的插件，以及其权限是否已授予。

卸载：

lh-harness plugin uninstall clawdcursor

GUI 能力只在 harness 内生效。 npm 插件全部落在 ~/.lh-harness/ 内并按次传入，因此 ~/.codex/config.toml、~/.claude.json 和用户级 MCP 注册表都不会被改动。codex-computer-use 是无法避免的例外：Codex 从自己的注册表加载它，codex plugin add 会把记录写进那里。

codex-computer-use 在 macOS 需要手动授权。 它不会弹出任何权限对话框，未授权时 GUI 调用只会直接失败。安装会帮你打开两个面板；请在 隐私与安全性 → 辅助功能 和 → 屏幕与系统音频录制 中勾选 Codex Computer Use，然后重跑安装确认。Windows 上没有需要授予的权限，但 harness 必须在已登录的桌面会话中运行，且不要以管理员身份运行。

缺少的前置依赖会在安装过程中打印出来。

配置 MCP server

任何 MCP server 都可以传给 Agent，不限于 computer-use 类。两个后端各自读取自身原生格式，不做任何转换。

Claude Code 通过 --claude-mcp-config 读取 .mcp.json：

{
"mcpServers": {
"computer-use": {
"command": "/path/to/mcp-server",
"args": ["--option", "value"],
"env": {
"EXAMPLE_VARIABLE": "value"
}
}
}
}

Codex 通过 --codex-mcp-config 读取由 [mcp_servers.] 表组成的 TOML，格式与 ~/.codex/config.toml 一致：

[mcp_servers.my-server]
command = "/path/to/mcp-server"
args = ["--option", "value"]

[mcp_servers.my-server.env]
EXAMPLE_VARIABLE = "value"

按所用后端传入对应配置，并暴露 server 需要访问的目录：

lh-harness run --task @task.md --agent codex \
--codex-mcp-config /path/to/mcp.toml \
--mcp-add-dir /path/to/mcp/files

不同角色使用不同后端时两个参数可同时传入，--mcp-add-dir 可重复指定。对应的环境变量是 LH_HARNESS_CLAUDECODE_MCP_CONFIG、LH_HARNESS_CODEX_MCP_CONFIG 和 LH_HARNESS_MCP_ADD_DIRS，最后一项在 macOS/Linux 用 : 分隔，Windows 用 ;。

如果 MCP server 能从自身环境读取密钥，就不要把 API key 写进配置文件。

Dashboard 命令

lh-harness run --task @task.md --dashboard      # 监控正在运行的任务
lh-harness dashboard                            # 浏览已完成和正在运行的任务
lh-harness web --workspace-root .               # 为指定目录启动工作台

dashboard 和 web 启动的是同一个工作台，参数也完全一致；当目的就是打开工作台、而不是伴随某次 run 时，用 web 语义更直接。

| 参数 | 说明 |
|---|---|
| --workspace-root | 从工作台创建任务时的默认工作区（默认：当前目录） |
| --runs-root | 存放运行记录的根目录（默认：./.lh-harness/runs） |
| --log-dir | 固定查看某一次运行的日志目录，不再浏览 --runs-root |
| --host / --port | 监听地址（默认 127.0.0.1:8799）；--port 0 由系统分配 |
| --auth-token | Bearer token，绑定非本机 --host 时必须提供（也可用 LH_HARNESS_WEB_TOKEN） |
| --no-open | 不自动在浏览器中打开 |

常用 CLI 参数

| 参数 | 说明 |
|---|---|
| --task | 任务文本或 @task.md |
| --agent | claude_code、codex、opencode 或 deepseek_harness（第一阶段仅 CLI） |
| --env | local |
| --max-rounds | Manage-Execute-Audit 循环的最大轮数；CLI 默认为 30 |
| --dashboard | 启动实时监控和人工介入功能 |
| --no-dashboard | 关闭项目配置中默认启用的 Dashboard |

从文件加载较长任务并打开 Dashboard：

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

Dashboard 会展示每一轮的任务规划、执行结果、审计证据和返工原因。当任务完成、受阻、需要输入或连续失败时，系统也会提供人工介入节点。

| 📋 规划 | ⚡ 执行 | 🔍 验收 | ♻️ 返工 |
|:---:|:---:|:---:|:---:|
| 下一步做什么 | Agent 做了什么 | 真实环境证明了什么 | 为什么需要继续执行 |

每次运行都会保存在独立的 runs// 目录中。完整的任务状态和审计轨迹让 Agent 的推进过程可以被检查、恢复和复现。

| 运行记录 | 保存内容 |
|---|---|
| 📋 任务状态 | 最初目标、需求、可信进度和剩余工作 |
| 🧾 事件流 | 整个运行过程中发生的事件 |
| 🔍 验收报告 | 每一轮的证据和验收结论 |
| 🧠 角色轨迹 | Manager、Executor 和 Auditor 的输入与输出 |
| 📁 工作区 | 执行过程中产生的文件和交付物 |
| ✅ 最终报告 | 经过验证的任务结果 |

评测复现

eval/ 提供三个固定版本的评测复现套件：

| 目录 | 评测 | 说明 |
|---|---|---|
| eval/WeaveBench-harness/ | WeaveBench（114 个任务） | GUI + CLI 混合任务及复现 Skill |
| eval/OSWorldv2-harness/ | OSWorld-V2（108 个任务） | 与官方版本对齐的混合运行器 |
| eval/TB-harness/ | Terminal-Bench 2.1 | 纯 CLI 长时程任务 |

环境配置、参数和启动命令请查看各目录中的 README.md 或 README.zh-CN.md。其中内嵌的 Harness / cua_harness 代码是用于评测的固定兼容副本；新的集成应使用 src/lh_harness/。

引用

@article{longhorizonharness2026,
title={LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks},
author={Ziyu Ma and Hailang Huang and Shun Zou and Yong Wang and Shidong Yang and Yiming Hu and Fei Wei and XiangXiang Chu},
journal={arXiv preprint arXiv:2608.01964},
year   = {2026},
url    = {https://arxiv.org/abs/2608.01964}
}

操作整台计算机。保存可信进展。持续工作，直到任务真正完成。