增量式开放式深度研究:结合 Structured Harness

TL;DR 将开放深度研究报告视为持续演化的结构化状态，做到只更新失效或新增内容，在保持报告质量的同时大幅降低 token 消耗与搜索调用次数。

问题

问题背景

开放深度研究（OEDR）驱动 LLM 自主规划、检索、验证与合成报告，已成为知识工作的关键工具。当前领域关注如何让智能体高效、可维护地产出研究报告。

现有方法局限

主流 OEDR 系统每次生成报告都从零开始（from scratch），忽略已有报告和证据：

• 有效知识 无法保留，同一主题重复搜索与推理。
• 新信息 出现时，旧报告无法修订或补充，只能整体重写。
• 报告连续性 差，版本间缺乏对应关系。
• token 消耗 与搜索调用量随更新次数线性增长，长链更新成本过高。

为什么这个问题难/重要

增量更新看似直观，但需要解决三个技术矛盾：

1. 如何定义可演化的报告状态，使旧知识可定位、可编辑；
2. 如何在不重读全部历史的前提下判断证据是否仍有效、结论是否过时；
3. 如何在结构化报告中复用证据，避免重复检索。

业界对持续维护的深度研究有明确需求，例如行业监测、政策追踪、竞品分析等，报告需要随时间滚动更新，而不仅是单次快照。

行业类比

类似增量编译与全量编译的关系：把“研究”从一次性产物变成可迭代维护的资产。

核心洞察

• 将研究报告从静态文档重构为可演化的状态，使增量维护成为一等公民。现有 Open-Ended Deep Research 系统每次从零生成报告，无法利用既有结构与证据，导致重复检索与合成。本文的 Incremental-OEDR 设定把报告视为随新信息不断更新的对象，每轮仅保留有效知识、修订过时内容、融入新信息，从而在保持连续性的同时显著降低计算开销。这一范式转变直接对应持续研究场景（如定期更新的综述或行业分析），与从头生成的 baseline 形成根本差异。
• Structured Harness 通过显式结构化表示、持久化证据池和选择性生成，实现按需更新而非全量重写。该方法将报告分解为 outline、section、evidence 单元，证据跨轮次复用，生成时仅重写受影响部分，避免 OEDR 的全局搜索和全文重生成。这种将研究状态结构化并物化为可检索、可更新的组件，为多轮长周期研究任务提供了工程上可落地的架构，在实验中带来 token 消耗降低 33%、搜索调用减少 61% 的直接收益，同时维持报告质量与提高连续性。

方法

输入与任务定义

Incremental-OEDR 接收既有结构化报告（由 outlines、sections、supporting evidence 组成）与新到达的信息，将报告视为演化的研究状态，需要保留有效知识、修订过时或未完善内容、整合新证据。

核心模块：Structured Harness

1. 结构化表示：把报告建模为分层结构（outline → section → evidence），每个部分绑定来源证据，便于局部更新。
2. 结构化检索：根据更新需求，只检索与待修订部分相关的补充证据，而非全量重新搜索。
3. 持久化结构化证据池：维护跨更新步骤的证据存储，已收集证据按结构索引复用，避免重复调用搜索 API。
4. 结构化生成：在既有报告结构上执行选择性更新，例如修改某一 section 的论证链或补充新 outline 节点，保持未受影响部分不变。

输出

输出为更新后的结构化报告，其 outline 级结构、内容级文本与证据引用均与历史版本保持连续性。

与从零生成报告的 OEDR 系统相比，Structured Harness 通过状态化复用与局部更新，在保证报告质量的同时显著降低 token 消耗和搜索次数。

实验

实验设计

在 DeepResearch Bench 和 DeepConsult 两个 benchmark 上，分别以 Open-source Configuration (OC) 和 Proprietary Configuration (PC) 两种模型配置评测。时间跨度十年，定义两类任务：Single-Step Task (SST) 评估单次信息增量更新，Long-Chain Task (LCT) 评估连续多步更新链条。指标覆盖报告质量（ROUGE-L、EM）、报告连续性及研究成本（token 消耗、搜索次数）。

关键发现

Incremental-OEDR 在保持报告质量竞争力的同时，在 DeepResearch Bench 上实现内容级 ROUGE-L F1 最高提升 0.51、outline 级 EM F1 最高提升 0.63，token 消耗降低 33%，搜索调用减少 61%。Structured Harness 通过结构化检索、持久化证据池和结构化生成，达到选择性更新与证据复用，避免从零生成带来的冗余。

基线对比解读

传统 OEDR 每次更新都从零生成报告，重复搜索与撰写浪费大量资源，且破坏报告连续性。引入结构化表示后，系统能定位需更新的部分，保留有效知识，只在必要时检索新证据。LCT 相对 SST 更高效，因为长链更新可逐步积累证据池，减少重复搜索。这种设计对需要持续维护研究报告的场景（如政策追踪、竞品监控）具有实际工程价值，尤其适合 API 成本敏感或搜索配额受限的系统。

行业影响

落地场景

Incremental-OEDR 的核心能力是让研究报告随新信息持续演化，而非每次从零生成。这一能力可直接嵌入以下产品形态：

• 智能研究助手：面向咨询、投资、政策分析等场景，自动维护一份实时更新的行业或公司深度报告。
• 企业知识库维护：将内部文档、市场新闻、竞品动态持续整合进结构化知识报告，减少人工综述成本。
• 垂直领域监测系统：如医疗指南、金融法规、电商平台规则的动态跟踪与版本管理。

商业价值

相比传统 OEDR 从零生成，Incremental-OEDR 在保持报告质量的同时，实现报告连续性指标显著提升——内容级 ROUGE-L F1 最高提升 0.51，大纲级 EM F1 最高提升 0.63。更重要的是成本侧：在 DeepResearch Bench 上 token 消耗降低 33%，搜索调用次数减少 61%。对于高频更新的研究型产品，这意味着：

• 直接降低推理与检索 API 费用，提升单客户毛利。
• 缩短报告更新延迟，提高信息时效性，增强用户留存。
• 支持长周期订阅服务，形成持续的自动化研究流。

与现有产品/工作流的接口

Structured Harness 将报告表示为 outline/section/evidence 的结构化集合，并维护一个持久化的 structured evidence pool。这一设计使其可以无缝接入现有 Agent 栈：

• 作为 LangGraph / AutoGen 等编排框架中的一个可复用节点，接收新数据源，输出结构化更新 diff。
• 与向量数据库、搜索 API 解耦，通过结构化检索和证据池复用，避免重复检索。
• 输出格式兼容常见文档系统（如 Notion、Confluence），便于人工审阅与版本控制。

具体 use case：

1. 电商平台规则监测：跟踪多个电商平台的最新政策、类目调整、违规案例。Incremental-OEDR 维护一份按平台分 section 的合规报告，新政策发布时仅更新受影响 section，并附上新证据链接，合规团队可直接查看 diff。
2. 金融行业深度研报自动化：针对某赛道持续跟踪财报、监管动态、竞品融资。系统每周自动更新报告相关部分，分析师仅需审阅增量内容，大幅降低重复劳动。

局限

• **评估框架限制**：时间跨度固定为十年，仅覆盖 DeepResearch Bench 与 DeepConsult 两个基准，领域未必覆盖快速变化的科技、医疗等场景。评估依赖 ROUGE-L 与 EM 等自动指标，对长报告语义连续性的测量仍不充分。Structured Harness 的解析与结构化生成依赖 LLM 输出稳定性，若 outline 或 evidence 解析失败，错误会向前累积。
• **基线比较与可迁移性**：实验主要对比从零生成的 OEDR baseline，缺少与其他增量更新机制（如持续检索、memory-augmented agent、版本化管理）的直接对照，无法分离结构化 harness 与增量策略各自的贡献。OC 与 PC 两套配置虽体现模型差异，但未分析对弱模型的鲁棒性，实际部署中解析错误率可能显著上升。
• **长期维护风险**：增量更新虽降低 token 与搜索成本，但可能因证据池陈旧化、未及时触发更新而保留过时信息；Long-Chain Task 中连续多次更新后，报告可能逐渐偏离当前知识分布。作者提及 update interval 权衡，但未给出自动调整更新频率的机制，实用中仍需人工设定阈值，增加运维负担。