zli12321/LHTB：README 来源编辑指南

zli12321/LHTB 的 README 将项目描述为"Long Horizon Terminal Benchmark with Dense Reward Grading"。本文只整理仓库能直接核验的内容，不把星标、Fork 或宣传语当成质量证明。README 在"Long-Horizon Terminal-Bench (LHTB)"下的说明是：Long-Horizon Terminal-Bench is a 46-task benchmark for measuring how well LLM agents sustain useful work in a containerized terminal over hundreds of steps.。这给出的首先是项目边界，而不是已经完成的生产验证。

从 README 的"The benchmark is hard"和相关条目看，读者可以先判断它是否解决自己的具体问题：Only 17 tasks are solved by at least one model.。如果你的目标与这段说明不一致，就不应仅凭项目热度采用它。这里保留原项目名、命令和组件名，方便回到一手来源核对。 README 还列出了另一条可核对的信息：29 of 46 tasks are never solved (R ≥ 0.95) by any model.。这类原文条目可以帮助读者设计试运行步骤，但不能代替自己的环境测试。

README 把工作方式分散写在"Long-Horizon Terminal-Bench (LHTB)"等段落中。可确认的线索包括：Tasks span interactive games & puzzles, multimodal analysis, software / reverse engineering, scientific computing, earth & energy systems, security & performance, research reproduction, and professional APEX-style workflows.。这篇整理没有把未写出的架构、性能或安全边界补成结论；真正的运行链仍应结合仓库目录、配置文件和版本标签检查。

第一次安装应从 README 给出的入口开始。当前可复核的命令是： uv tool install harbor # or: pip install harbor 如果仓库没有提供命令，本文不会替它编造安装步骤，而是建议先打开 README 的"Results (July 2026 snapshot)"部分，确认系统依赖、默认端口和首次初始化动作。

日常使用的细节取决于项目实际文档。README 的"Long-Horizon Terminal-Bench (LHTB)"段落提到：> ⚠️ Harness update , continue-until-timeout. LHTB adds one behavior on top of > Harbor: for long-horizon tasks the agent keeps working until the task timeout > instead of ending the moment it declares the task complete.。对于配置文件、环境变量、权限和数据目录，当前稿只记录来源明确的部分；未写明的默认值必须在测试环境中验证，并保留可回滚的配置副本。 同一部分还提到：Across all model×task runs, 55% land at reward < 0.25 , agents get stuck, loop, or quit early well before the budget runs out.。