青稞社区(@qingke_ai):🔥历时三个月的百页综述《Towards Long-Horizon Agents: A Survey》，对长程智能体领域做了一次系统性梳理 📈 智能体能执行任务的时间跨度正面临指数级增长（每7个月翻一倍），从单个长窗口任务，一路延伸到跨窗口、跨会话乃至开放式任务流。本文将"长程能力"刻画为 Harness Engineering 与 Model Optimization 的协同演化。 🔍 全文围绕六大视角展开：Foundations（定义与长程能力分级）、Evolution（提示工程 → Harness 工程）、Harnesses（循环与工作流、上下文与记忆、工具/MCP 与技能、编排、Hooks、校验）、Optimization（架构、数据与环境合成、训练与强化学习、策略蒸馏、自我演化）、Applications（软件工程、信息检索、Computer Use、多模态、通用智能体），并在 Frontiers 中展望了演进性、有效性、效率、可信性四大方向。 💻 仓库：

2026.07.18 02:09

🔥历时三个月的百页综述《Towards Long-Horizon Agents: A Survey》，对长程智能体领域做了一次系统性梳理 📈 智能体能执行任务的时间跨度正面临指数级增长（每7个月翻一倍），从单个长窗口任务，一路延伸到跨窗口、跨会话乃至开放式任务流。本文将"长程能力"刻画为 Harness Engineering 与 Model Optimization 的协同演化。 🔍 全文围绕六大视角展开：Foundations（定义与长程能力分级）、Evolution（提示工程 → Harness 工程）、Harnesses（循环与工作流、上下文与记忆、工具/MCP 与技能、编排、Hooks、校验）、Optimization（架构、数据与环境合成、训练与强化学习、策略蒸馏、自我演化）、Applications（软件工程、信息检索、Computer Use、多模态、通用智能体），并在 Frontiers 中展望了演进性、有效性、效率、可信性四大方向。 💻 仓库：