LongHorizon-Harness

LongHorizon-Harness är ett ramverk, en så kallad harness, för AI-agenter som ska arbeta med långa uppgifter på en dator, i skrivbordsprogram och i terminalen. Vanliga agenter håller hela uppgiften i en enda växande session. Då byggs fel på, det viktiga blir svårare att hitta ju längre historiken blir, och agenten bedömer sina egna framsteg, så att ett felaktigt "klart" smittar alla senare beslut.

Ramverket delar i stället upp arbetet i en loop med tre roller (Manage–Execute–Audit). En manager håller reda på uppgiftens läge utanför själva arbetet och väljer nästa delsteg. En utförare gör steget med ett nytt, rent sammanhang. En granskare som bara får läsa kontrollerar sedan vad som faktiskt ändrats i datorn. Bara fakta som granskaren bekräftat förs vidare till nästa runda.

Rollerna kan drivas av olika agenter och modeller. Enligt GitHub-sidan stöds Claude Code, Codex, OpenCode och DeepSeek Harness, och artikeln nämner även Gemini CLI och mini-SWE-agent. Enligt forskarna förbättrar ramverket Qwen 3.7-Plus från 51,8 till 80,7 procent på WeaveBench, från 69,7 till 77,2 procent på Terminal-Bench 2.1 och från 2,8 till 8,3 procent på OSWorld 2.0, med samma modell och bara bytt harness.

Verktyget installeras med ett kommando (lh-harness) och har en webbpanel där man kan följa och styra körningen. Det har uppdaterats löpande; senaste versionen när detta skrevs var v0.1.8 från 21 oktober 2026. Koden är MIT-licensierad. Arbetet kommer från DreamX Team på Alibaba Group (GitHub-organisationen AMAP-ML).