🔥 高德团队刚开源了一个狠东西，能让 Claude Code、Codex 这些 AI 接了活之后，连着干几十个小时不跑偏。 论文挂在 arXiv 上，还上过 Hugging Face 每周论文榜的第一名。 用 AI 干过长活的都懂那种崩溃：你让它把一个东西从头做完，前两个小时挺像样，越往后越离谱，最后甩你一句「已完成」，点开一看一半是空的。它不是不努力，是干着干着把自己一开始要干嘛给忘了。 LongHorizon-Harness 的解法很像一个靠谱的小团队：一个人管进度，只负责想下一步做什么；一个人埋头干这一步，每次都是清清爽爽的脑子上工；还有一个人专门当验收员，不听干活的自己汇报，直接去电脑上翻文件、点界面、看日志、跑测试，对得上才算数，对不上就把证据记下来重做。 所以中途上下文被清空、某一步彻底失败、交出来的东西不合格，它都不会从零重来，只从最后一次验收通过的地方接着往下走。 同一个模型、同一个工具，只是套上这层壳，官方测下来那种要跨软件折腾一两个小时的任务，能做完的从一半左右提到了八成；命令行和写代码那类活儿也稳了一截，而且 token 还比原来少烧 24%。干得更多，花得更少，这个是真少见。 它管的也不只是敲代码。浏览器、表格、文档、设计软件、3D 软件都能上手，一个任务可以从浏览器开始，中间转到命令行处理数据，再回到桌面软件里出成品，最后回终端跑一遍验证。 而且它不挑模型也不挑工具，Claude、GPT、Qwen 都能接，Claude Code、Codex CLI、OpenCode 这些现成的直接就能用，管进度的、干活的、验收的还能各用各的模型。 目前主要在 macOS 上测过，Windows 能跑但官方说还没测透。 以前是你守着 AI 干活，现在是 AI 自己盯着自己干活。 GitHub： 项目团队在这儿 @loopcua