同一個模型、同一個後端，只換外面那圈 loop，WeaveBench 完成率 51.8 → 80.7。
LongHorizon-Harness 架在 Claude Code、Codex、OpenCode、DeepSeek Harness 外面，MIT 授權，上線二十天 1,100 星。它不訓練模型、不取代你的 agent，只做迴圈。
三個角色：Manager 從「原始目標＋已驗證進度＋失敗證據」重建下一步，Executor 用全新 context 只做那一步，Auditor 獨立查真實檔案與測試，不採信 Executor 自述。過查核的才算進度，被打回的只算證據；context 掉了就從最後一個 checkpoint 接上。等於把驗收做成角色，而不是提示詞裡一句叮嚀。
Executor 每步都拿全新 context 這件事，和我先前寫的情境工程六規則是同一個方向。
官方自報（Qwen 3.7-Plus ＋ Claude Code）：OSWorld 2.0 完全完成 2.8→8.3、Terminal-Bench 2.1 成功率 69.7→77.2 且少 24% token。