阿里高德开源LongHorizon-Harness，解决AI任务出错问题

阿里高德团队刚刚也开源了一个关于长程Agent任务的工具：LongHorizon-Harness，解决的是Agent自己判断自己的进展，错误会滚雪球的问题 它通过把任务状态管理从执行过程中分离出来，解决传统单一会话模式中的错误累积和上下文腐烂问题 一句未经核实的声明和事实长得一模一样，Agent没法区分，一旦一个错误前提进入了记录，后面每一步都建立在这个错误上，那么目标漂移、重复尝试、提前放弃，都是同一个根因 LongHorizon-Harness核心方案是MEA循环，它把一次长程任务拆成三个角色，Manage、Execute、Audit（管理、执行、审计） 循环，各干各的互不干扰 三个角色可以分别配置不同模型，比如Manager用轻量模型，Executor用强模型 关键机制：只有审计者能更新任务状态，且必须基于对环境的独立验证，审计报告是跨轮次的唯一记忆 效果上，使用相同模型（Qwen 3.7-Plus）和相同执行后端，仅替换框架后： WeaveBench，通过率从51.8%提升至 80.7%（+28.9） OSWorld 2.0，完成率从2.8%提升至8.3%（3倍） Terminal-Bench 2.1，成���率从69.7%提升至77.2%（+7.5），token消耗减少24% Qwen 3.7-Plus配LongHorizon-Harness的一些指标甚至超过了Claude Opus 4.7裸跑Claude Code 同时支持GUI桌面操作和CLI命令行，一个任务可以在浏览器、终端、桌面软件之间无缝切换 #LongHorizonHarness #Harness #长程agent