LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks

该论文提出了LongHorizon-Harness，一种用于长时任务的新型agent框架。它将任务执行视为状态管理问题，通过显式维护任务状态，并仅基于环境验证的事实更新状态，避免了上下文膨胀与错误累积。其核心是Manage-Execute-Audit (MEA)循环：管理器负责维护状态和决定下一个子任务，执行器使用全新上下文执行子任务，审计器只读验证环境状态。在WeaveBench、Terminal-Bench和OSWorld等基准上显著提升了Qwen和Claude等模型的性能，表明该方法具有跨模型和跨领域的通用性。

1. 对导购/agent产品：该框架的“显式状态管理+独立验证”思想可直接借鉴。在导购场景中，用户目标、已推荐商品、用户反馈等可作为任务状态，通过独立审计器验证（如搜索结果是否满足约束），避免长期对话中上下文的混乱和错误累积。可考虑在现有agent循环中引入类似状态管理层，提升复杂多步骤任务的完成率。
2. 改变判断：原先认为上下文窗口扩大可解决长时任务，但此论文表明显式状态管理更有效。对技术选型，应优先考虑支持状态管理的框架，而非盲目扩大上下文。
3. 接下来：阅读全文，关注其AgentAdapter实现，评估是否可在现有产品中原型验证。同时，持续关注其后续开源代码与更多实验。