LongHorizon-Harness
CLI, который держит существующего агента на длинной задаче: планирует шаг, выполняет его, проверяет результат в реальной среде и сохраняет прогресс
Высокий риск
Высокий уровень ставим, когда инструмент пишет во внешние системы, работает с деньгами, рабочими базами или секретами либо выполняет произвольные команды. CLI поставит его только после вашего согласия.
Почему такой уровень
- Ведет агента, который выполняет команды и правит файлы много часов подряд
- Управляет рабочим столом и терминалом с реальными действиями
- Действует в директории запуска, то есть в реальном проекте
Установка
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/longhorizon-harnessОпределит агенты на машине, проверит риск и зафиксирует версию.
Другие способы установки
Установите утилиту
pipx install lh-harnessБез pipx подойдет pip install lh-harness.
Установи CLI: uv tool install lh-harness (или pip install lh-harness). Затем lh-harness init создаст ./.lh-harness/config.toml, а запуск задачи: lh-harness run --task "..." --agent codex.
Другие способы из описания автора
uv tool install lh-harnessКак вариант: pip install lh-harness. Нужен Python 3.10 или новее.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Инструмент оборачивает готового агента (Claude Code, Codex, OpenCode, DeepSeek Harness) в цикл для долгих задач по работе с компьютером. Каждый круг он восстанавливает исходную цель и проверенное состояние, выбирает следующий ограниченный шаг, выполняет его в отдельном контексте, проверяет реальный результат по файлам, интерфейсу, логам и тестам, затем фиксирует прогресс или записывает свидетельство ошибки и продолжает. Роли разделены: менеджер держит состояние и следующий шаг, исполнитель делает шаг, аудитор независимо проверяет. Есть управление рабочим столом и терминалом, запуск из командной строки и веб-панель, для каждой роли можно задать свою модель и бэкенд.
Для кого. Для разработчиков и devops-инженеров, которым нужно вести агента через длинные многочасовые задачи без потери состояния.
Подходит, если
- Задача не помещается в один проход агента и требует множества шагов с проверкой
- Нужно, чтобы прогресс переживал сброс контекста и ошибки
- Нужен независимый аудит результата, а не доверие отчету исполнителя
Не подходит, если
- Задача решается за один проход агента без длинного цикла
- Нет доступа к поддерживаемому агенту-бэкенду и его модели
Пример запроса к агенту
Веди эту многочасовую задачу до конца: планируй шаг, проверяй результат в реальной среде и сохраняй прогресс между кругамиОграничения
Инструмент не обучает и не заменяет модель, а строит цикл вокруг существующего агента, поэтому нужен настроенный бэкенд (Claude Code, Codex, OpenCode или DeepSeek Harness) и доступ к его модели. Требуется Python 3.10 или новее. DeepSeek Harness на первой фазе поддержан только в режиме CLI, управление рабочим столом и MCP для него обещаны позже. Лицензия MIT.
Как отключить. Удалите пакет: uv tool uninstall lh-harness или pip uninstall lh-harness. Рабочую папку ./.lh-harness можно удалить вручную.
Проверка безопасности
- Ведет агента, который выполняет команды и правит файлы много часов подряд
- Управляет рабочим столом и терминалом с реальными действиями
- Действует в директории запуска, то есть в реальном проекте
Коротко о README
README представляет систему, которую авторы называют инженерией цикла: агенту дают цель один раз, а инструмент раз за разом превращает остаток работы в ограниченный шаг, выполняет его на нужной поверхности и проверяет реальный результат. Только прошедшее независимую проверку становится доверенным состоянием, остальное остается свидетельством ошибки. Поддержаны Claude Code, Codex, OpenCode и DeepSeek Harness, работа с рабочим столом и терминалом, запуск из CLI и веб-панель. Установка через uv tool или pip, есть команды init, run, web и doctor.
Частые вопросы
Это отдельная модель или новый агент?
Нет. Это цикл вокруг существующего агента: он координирует роли, проверенное состояние и прогресс между кругами, но сам код пишет ваш агент.
Можно ли задавать разные модели ролям?
Да. Менеджеру, исполнителю и аудитору можно назначить свою модель и бэкенд, чтобы балансировать качество, скорость и стоимость.
Похожие
Открытый личный AI-ассистент на своем компьютере: отвечает в Telegram, Slack, Discord и WhatsApp, расширяется скиллами и плагинами
Самообучающийся агент от Nous Research: терминал, мессенджеры, cron-задачи и скиллы, которые он пишет сам
Открытый агент для программирования в терминале и на десктопе с режимами разработки и планирования
Открытая библиотека промптов с плагином Claude Code, MCP-сервером и CLI: поиск, получение и улучшение промптов и скиллов из агента