阿里高德团队刚开源了 LongHorizon-Harness

阿里高德团队刚开源了 LongHorizon-Harness，专门解决长程 Agent 的一个老问题：
Agent 既负责执行，又负责记录进展。
一旦把未经核实的判断写进状态，后面所有步骤都会沿着错误前提继续推理。
目标漂移、重复尝试、提前放弃，看似是不同问题，本质上都是错误在滚雪球。
LongHorizon-Harness 的思路，是把任务拆成三个角色：

• Manager 负责规划，
• Executor 负责执行，
• Auditor 负责验证。

关键是，只有 Auditor 能更新任务状态，而且必须通过环境独立验证。
审计报告则成为跨轮次保留的唯一记忆。
这样一来，执行者可以犯错，但错误不能直接写进“历史”。
三个角色还能使用不同模型。

• Manager 用轻量模型，
• Executor 用强模型，
• 把成本集中到真正需要推理和操作的环节。

按团队公布的数据，在模型和执行后端不变的情况下，仅替换框架，WeaveBench 通过率从 51.8% 提升到 80.7%，Terminal-Bench 成功率提升 7.5 个百分点，Token 消耗还减少了 24%。
它同时支持浏览器、终端和桌面软件操作。
长程 Agent 的竞争，可能已经不只是比谁的模型更强。
更重要的是，谁能建立一套不轻信自己、会不断验收自己的工作制度。