信息卡

一句话定位

高德 ML 团队推出的"Loop Engineering"框架：不训练模型，而是包装 Claude Code、Codex CLI、OpenCode、DeepSeek Harness 等既有编码代理，让它们能跑完横跨桌面 GUI 与终端的长时程任务——计划、执行、验证、断点恢复直到真正完成。

走红原因分析

README 里那句"模型决定一轮能做什么，harness 决定失败后如何恢复"戳中痛点，而它拿出的不是口号是数据：同一骨干下 WeaveBench 通过率 51.8→80.7、OSWorld 2.0 得分 2.8→8.3（3倍）、Terminal-Bench 2.1 提到 77.2% 还省了约 24% token。带 arXiv 论文背书（2608.01964）+ 可复现冻结评测套件，让这个新星项目上线即获得技术圈信任。

核心功能拆解

• 三角色循环：Manager 重建状态并拆出有界下一步；Executor 用全新上下文执行单步；Auditor 独立核验文件/UI/日志/测试。
• 只信审计：通过独立审计的结果才计入可信进度，被拒结果留作证据。
• 角色异构：三个角色可用不同模型/后端，便宜 Executor 配强 Auditor 是官方推荐打法。
• 可插拔环境：`Environment` 协议（目前 local），GUI 操作通过可装可不装的 computer-use 插件实现。
• Web 工作台：React/FastAPI 界面发起运行、审批门禁、中途下发指令、对完结任务追加跟进。
• 全程留痕：每轮运行存于 `./.lh-harness/runs//`，含事件流、审计报告、轨迹与最终报告。

架构与技术栈浅析

核心抽象是轻量 `AgentAdapter`，保留各代理原生循环而非重造解释器；默认最多 30 轮 Manage–Execute–Audit。GUI 检测依赖 npm 分发的插件 `codex-computer-use`（仅 Codex）与 `open-computer-use`（Codex+Claude Code）。配置优先级 CLI 参数 > `./.lh-harness/config.toml` > 默认值；任务文本、run id 与 API key 有意排除出配置文件。

安装与环境要求

需要 Python ≥3.10、uv（或 pip）、PATH 上至少一个代理 CLI（codex/claude/opencode/dsh）、Node.js ≥20（DeepSeek Harness 要求 ^22.19 或 ≥24）。已在 macOS 测试，Windows 支持存在但未充分验证。

uv tool install lh-harness            # 或 pip install lh-harness
lh-harness plugin install open-computer-use   # 可选 GUI 插件
lh-harness init      # 在项目内生成 ./.lh-harness/config.toml
lh-harness doctor    # 只读体检环境

快速上手示例

TASK="Inspect the current directory and summarize its files."
lh-harness run --task "${TASK}" --agent codex

# DeepSeek Harness 后端
npm install -g @deepseek-ai/dsh
export DEEPSEEK_API_KEY="sk-..."
lh-harness run --task @task.md --agent deepseek_harness \
  --model deepseek-v4-flash --no-dashboard

# Web 工作台（默认 127.0.0.1:8799）
lh-harness web --workspace-root .

进阶使用要点

• 角色级覆盖 `[run.roles.*]` 可为 manager/executor/auditor 单独指定 agent、model 与 reasoning_effort，并有回退链（如 `gui_executor → executor → [run]`）。
• 各角色超时独立设定（manager 600s、executor 1800s、auditor 600s），超时保留部分状态供恢复而非直接中止。
• MCP 支持：`--claude-mcp-config`（JSON）与 `--codex-mcp-config`（TOML）注入服务器，注意 Claude Code 会拒绝 `mcp_add_dirs`（角色隔离所致）。
• 多插件并存时优先级 codex-computer-use > open-computer-use > clawdcursor。
• macOS 下 computer-use 插件需手动授予辅助功能与屏幕录制权限。

典型应用场景

• 跨 GUI+终端的端到端任务（改配置→重启服务→看界面验证）；
• OSWorld 式办公自动化的可靠性增强层；
• 给弱模型套壳提分，替代昂贵的长上下文重试；
• 自动化验收：Auditor 独立复核让产出可直接进 CI；
• 批量回归评测代理在不同 backbone 下的真实完成率。

同类生态位对比

同期的 phone-harness（P062）专注"操纵真机"的感知执行层，本项目专注"编排恢复"的过程管理层，两者互补而非竞争；对比 SWE-agent/OpenHands 这类自带 agent 的框架，它是外挂编排层、不绑定任何一家 CLI。论文与冻结评测集是其相对同类 harness 项目最硬的差异化资产。

资源导航

• eval/WeaveBench-harness、eval/OSWorldv2-harness、eval/TB-harness 冻结复现套件
• arXiv preprint 2608.01964 (2026)
• PyPI 包名 lh-harness；非回环绑定 dashboard 必须提供 `--auth-token`