stanford-oval/storm

项目概览

storm 通过模拟专家对话和多视角问题驱动的研究策略，将 RAG 技术应用到了长篇结构化文章的自动化生成领域。

项目类型

AI Agent · RAG 与知识库 · AI 工作流

应用场景

文档办公 · 搜索调研

部署方式

Python 环境

License

MIT

适合谁

• 希望从零开始自动化生成带有引用来源的长篇调研报告的研究人员。
• 需要通过多视角模拟对话深入探索特定主题、并愿意编写 Python 脚本或使用 Web 界面进行操作的用户。

核心能力

• 将生成带引用长篇文章的过程拆分为预写研究和写作阶段，以产出完整篇幅的文章。
• 通过调查相似主题的现有文章来发现不同观点，并利用这些观点控制提问过程，以提升研究深度。
• 基于互联网信息源模拟维基百科编辑与话题专家之间的对话，以更新对主题的理解并提出后续问题。
• 实施轮次管理策略，以支持 Co-STORM 中的大模型专家、主持人以及人类用户之间进行顺畅协作以引导讨论。
• 维护一个动态更新的思维导图，将收集到的信息组织成层次化的概念结构，并在用户与系统之间构建共享概念空间。
• 提供模块化引擎接口，允许对不同的语言模型、检索集成和流水线模块进行定制。
• 正在开发支持用户参与知识整理流程的功能。
• 正在开发针对已整理信息的抽象层，以支持生成维基百科风格报告以外的展示格式。

限制与风险

• 系统产出的文章尚未达到可直接出版的标准，往往仍需要人工进行大量的编辑和修改。

如何开始

• 由于配置具有一定难度，用户需先准备好外部语言模型和搜索引擎的 API 密钥，才能正常运行系统的检索和生成功能。
• 支持通过 Python 包管理工具安装，完成 API 密钥的 secrets.toml 配置后，即可运行 STORM 或 Co-STORM 的示例脚本验证运行结果。

核验依据

• GitHub 项目简介: An LLM-powered knowledge curation system that researches a topic and generates a full-length report with citations.
• README: We add [litellm](https://github.com/BerriAI/litellm) integration for language models and embedding models in `knowledge-storm` v1.1.0.
• README: While the system cannot produce publication-ready articles that often require a significant number of edits, experienced Wikipedia editors have found it helpful in their pre-writi…
• README: STORM breaks down generating long articles with citations into two steps: 1. **Pre-writing stage**: The system conducts Internet-based research to collect references and generates…
• README: Co-STORM codebase is now released and integrated into `knowledge-storm` python package v1.0.0. Run `pip install knowledge-storm --upgrade` to check it out.

内容核验时间：