Long Horizon Tasks

为什么长任务容易失败

当 AI Agent 面对一个需要数小时甚至数十小时才能完成的复杂项目时，三个致命问题会反复出现：

1. 意图漂移 — Agent 在执行过程中逐渐偏离原始目标。每一步看起来合理，但累积起来方向已经完全偏了。就像在沙漠中没有指南针，每次转弯都会让你离目标更远。
2. 上下文丢失 — Session 中断后（context 满、超时、手动中止），新 session 无法恢复之前的决策背景。Agent 不记得做过什么决定、为什么做这些决定。
3. 验证缺失 — 错误在早期引入，但一直到最后才被发现。累积的错误形成了难以拆解的依赖链，修复成本呈指数增长。

核心公式

Long Horizon Tasks 方法论提出一个简洁的成功率模型：

四个变量，四个 Markdown 文件，每个文件最大化一个变量：

这四个文件构成一个闭环控制系统。它们不存在于 Agent 的 context 窗口中，而是持久化在项目目录里 — 不会因 session 中断而丢失。

四文件系统

文件一：SPEC.md — 意图锚定

SPEC.md 是项目的宪法。它冻结了项目的 What（做什么）和 Why（为什么做），一旦人工审核通过就不再修改。

它回答以下问题：

• 项目概述 — 一段话描述项目全貌
• 目标受众 — 谁会使用这个项目
• 核心目标 — 必须实现的功能
• 非目标 — 明确声明不做的事情
• 产品规格 — 按功能模块的详细规格
• 硬约束 — 技术栈、性能要求、兼容性
• 完成定义 — 如何判断项目已完成

文件二：PLAN.md — 执行路径

PLAN.md 是项目的唯一执行真相源（Single Source of Truth）。它将开放式的工作转化为可验证的检查点序列。

关键内容：

• 指导原则 — 全局性的技术决策方向
• 里程碑列表 — 每个含范围 / 关键文件 / 验收标准 / 验证命令
• 风险登记表 — 识别技术风险并安排早期验证
• 架构概述 — 核心模块关系图
• 决策日志 — 记录每个重要决策的理由和替代方案

里程碑设计四原则

1. 单循环可完成 — 每个里程碑约 1 小时内完成
2. 可独立验证 — 有明确的验收标准和验证命令
3. 递进依赖 — 后续里程碑依赖前序里程碑的交付物
4. 至少 14 个 — 粒度足够细才能有效控制（原始实验用了 24 个）

文件三：RULES.md — 行为约束

RULES.md 定义 Agent 的操作规范和行为边界。它不是建议，而是硬性约束。

核心规则包括：

• 不要停下来问 — 自主决策并记录到决策日志
• 小步提交 — 保持 diff 小且可审查
• 每步验证 — 每个里程碑后跑全套验证
• 错误即测试 — 出 bug 先写测试再修复
• 实时更新 — STATUS.md 必须在每步后更新
• 编码标准 — 命名、格式、注释规范
• 完成标准 — 明确的验收检查清单

文件四：STATUS.md — 状态外化

STATUS.md 是 Agent 的实时状态仪表板。它为人类（和下一个 session 的 Agent）提供全面的项目快照。

Session 恢复时，STATUS.md 是第一个被读取的文件。它必须包含以下九项信息：

执行流程与 Agent Loop

执行流程总览

1. 收集需求 — 用户描述项目目标、约束、交付物
2. 创建 SPEC.md — Agent 草拟，人工审核后冻结
3. 创建 PLAN.md — 制定里程碑序列 + 风险登记表 + 架构概述
4. 创建 RULES.md — 设定行为约束和编码规范
5. 开始 Agent Loop — 从第一个里程碑开始执行
6. 每个里程碑：验证 → 修复 → 更新 — 确保每步都通过验证
7. 最终验证 → 交付 — 全部里程碑完成后做最终扫描

Agent Loop — 七步循环

每个里程碑严格执行以下七步循环，直到所有里程碑完成：

1. Plan（规划） — 阅读当前里程碑的范围和验收标准，理解要做什么
2. Edit（编码） — 编写代码，保持 diff 小且可审查
3. Run（验证） — 执行验证命令：lint、typecheck、test、build
4. Observe（观察） — 仔细阅读输出，理解每个错误和警告
5. Repair（修复） — 立即修复所有失败，不留到下一个里程碑
6. Update（更新） — 更新 STATUS.md 的状态表 + PLAN.md 的决策日志
7. Commit（提交） — 清晰的 commit message，引用里程碑名称

Session 恢复机制

长任务的核心优势：四个文件不会因 session 中断而丢失。当 session 中断后，新 session 按以下顺序恢复：

1. 读取 STATUS.md — 找到当前里程碑进度
2. 读取 PLAN.md — 确认下一步做什么
3. 读取 RULES.md — 恢复行为约束
4. 读取 SPEC.md — 确认未偏离原始目标

七个设计模式

从 25 小时的实验中提炼出的七个核心设计模式，每个都解决长任务中的特定挑战：

快速开始指南

新项目

1. 告诉 Agent 使用 Long Horizon Tasks 方法论
2. 提供项目需求：目标、约束、交付物、目标受众
3. Agent 创建 SPEC.md，人工审核后冻结
4. Agent 创建 PLAN.md，制定至少 14 个里程碑
5. Agent 创建 RULES.md + STATUS.md
6. 开始 Agent Loop — 从 Milestone 01 自主执行至完成

进行中的项目

四文件系统可以在项目的任何阶段引入，不需要从零开始：

1. 基于现有代码回填 SPEC.md，固定剩余目标
2. 梳理剩余工作，创建 PLAN.md 里程碑序列
3. 设定 RULES.md 行为约束
4. 填写 STATUS.md 记录当前进度

什么时候该用

实验数据与案例

原始实验数据

以下数据来自 OpenAI 的 Codex 25 小时自主编码实验 — 从零构建一个完整的在线协作设计工具：

案例：design-desk

总结与行动建议

Long Horizon Tasks 方法论的核心非常简洁：