高德刚开源了个狠货，能让 Claude Code、Codex 接了活之后一连干几十个小时不跑偏。论文挂 arXiv 上，还登过 Hugging Face 每周论文榜第一。

大款和花花

高德刚开源了个狠货，能让 Claude Code、Codex 接了活之后一连干几十个小时不跑偏。论文挂 arXiv 上，还登过 Hugging Face 每周论文榜第一。

用 AI 干过长活的都懂那种崩溃：前两小时像模像样，越往后越离谱，最后甩一句“已完成”，点开一看一半是空的。它不是不努力，是干着干着忘了自己一开始要干嘛。

LongHorizon-Harness 的解法像个靠谱小团队：

1⃣ 一个人管进度，只负责想下一步做什么
2⃣ 一个人闷头干，每次都清清爽爽重新上工
3⃣ 一个人专门验收，不听汇报，直接翻文件、看日志、跑测试，对得上才算数，对不上记下来重做

同一套模型和工具，套上这层壳，跨软件折腾一两个小时的任务，完成率从五成提到八成；命令行和写代码的活儿也稳了一截，token 还少烧 24%。干得多花得少，这个真少见。

它不挑活也不挑工具：浏览器、表格、文档、设计软件、3D 软件都能上手；Claude、GPT、Qwen 都能接，Claude Code、Codex CLI、OpenCode 这些现成的直接用。管进度的、干活的、验收的还能各用各的模型。

GitHub：https://github.com/AMAP-ML/LongHorizon-Harness