Corpus 级别的长上下文推理要求代理在超出上下文窗口的文档集合中获取并整合证据。现有的代理框架虽然支持增量访问语料，但获取的证据和演化的结论往往混杂在不断增长的交互历史中，这种隐式状态管理会导致两类耦合失效：一是无界探索——检索不断扩充交互历史却未填补决策所需的信息空白；二是证据‑状态漂移——先前获取的证据或后续修正未能影响当前结论。LongHarness 提出一种模型无关的框架，将证据与结论的交互显式化。核心机制“Evidence‑Conclusion Coevolution”利用未解决的结论驱动检索，寻找缺失信息；新获取的证据则用于强化或修正引导搜索的结论。与此同时，Evidence Lifecycle Management 保证累积证据在整个交互过程保持最新且可追溯。两者协同使检索聚焦剩余信息需求，结论始终与最新证据保持一致。实验在 OfficeQA Pro V1/V2、AA‑LCR 与 LongBench v2 上使用 GLM‑5.3‑Flash 与 Qwen3.8‑Flash 进行评估。相较于同骨干模型的直接推理，LongHarness 将 GLM‑5.3‑Flash 在 OfficeQA Pro V1 的 Exact Match 从 15.8% 提升至 60.2%，V2 从 4.4% 提升至 61.1%。在与最先进的代理框架比较时，LongHarness 在 V1 上超越 Claude Code 12.0 个百分点，在 V2 上超越 Codex 18.9 个百分点。使用 Qwen3.8‑Flash 时，LongHarness 在 V1 达到 61.7%，分别比 Claude Code 高 8.3 点、比 Codex 高 12.0 点。
点评