STORM: 用 AI 把零散信息写成专业长文报告

想象这样一个场景：你正在研究一个完全陌生的领域——比如"量子计算在金融风控中的应用"，打开搜索引擎，面对成千上万条零散的文章、博客、论文摘要，你知道真正有价值的信息藏在某个角落，但要在有限时间内把它们串联成一篇结构完整、有理有据的长文，几乎是一项不可能完成的任务。

STORM 就是为解决这个痛点而生的。它由斯坦福大学 OVAl 实验室开发，是一个基于大语言模型的自动化知识整理系统。用户只需输入一个主题，它就能像一位不知疲倦的研究助理，在互联网上检索资料、从多个角度提出追问、模拟专家访谈对话，最终生成一篇带有引用来源的维基百科式长文报告。

学术出身，工业级野心

STORM 的全称是 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking（通过检索与多视角追问合成主题大纲），出自斯坦福大学 2024 年 NAACL 会议论文。它的核心理念是："好的报告来自好的问题"——与其直接让 AI 写文章，不如先让 AI 学会像记者一样提问。

项目由斯坦福大学 OVAl 实验室（Open Virtual Assistant Lab）维护，主要作者 Yijia Shao 和 Yucheng Jiang 均来自斯坦福。项目在 GitHub 已收获超过 28,000 颗星，被 EMNLP 2024 接收，并受到 NLP 社区的广泛关注。2025 年 1 月，项目集成了 litellm 库，支持几乎所有主流 LLM API，极大降低了使用门槛。

图1：STORM 的两阶段工作流——预写作阶段（Pre-writing）进行研究和大纲生成，写作阶段（Writing）产出带引用的完整报告

背后的技术原理

STORM 将报告生成拆解为两个关键阶段：

第一阶段：预写作（Pre-writing Stage）

这个阶段解决的核心问题是："该问哪些问题？" 直接让 LLM 根据主题提问往往过于表面化。STORM 采用了两个策略：

一是视角引导式提问（Perspective-Guided Question Asking）。系统会先检索同领域已有的相关文章，分析它们的写作视角和知识结构，从而生成覆盖不同维度的追问清单。比如研究"量子计算"，系统可能从金融、生物医药、密码学等不同应用场景分别切入提问。

二是模拟对话（Simulated Conversation）。系统模拟一位维基百科编辑与领域专家的对话，专家基于互联网检索结果回答问题，编辑则根据回答不断追问深挖。这个对话过程被完整记录，成为后续写作的素材。

第二阶段：写作（Writing Stage）

有了大纲和参考资料，系统使用强大的 LLM 生成完整的文章段落，每一句话都标注信息来源，确保可追溯、可验证。

2024 年 9 月，团队进一步推出了 Co-STORM，在 EMNLP 2024 主会上发表。Co-STORM 引入了"协作话语协议"（Collaborative Discourse Protocol），加入了人类用户作为主动参与者，可以随时插入问题、调整研究方向，或者只是旁观系统自主探索，极大提升了系统的可控性和实用性。

图2：Co-STORM 引入了人类用户、LLM 专家和主持人（Moderator）三方协作机制，支持边聊边研究

技术架构：DSPy 驱动的模块化设计

STORM 的代码架构设计值得称道。整个系统基于 DSPy（斯坦福出品的程序化 Prompt 优化框架）构建，采用了高度模块化的抽象设计。核心接口定义了以下关键模块：

• Retriever（检索器）：支持 You.com Search、Bing Search、Tavily、Serper、DuckDuckGo、Google Search 等多种搜索引擎，以及向量数据库（Qdrant）检索
• Language Model（语言模型）：通过 litellm 集成，支持 OpenAI GPT、Anthropic Claude、Google Gemini、Azure OpenAI 等几乎所有主流 LLM
• Knowledge Curation Module（知识整理模块）：负责从互联网抓取、去重、结构化
• Outline Generation Module（大纲生成模块）：基于研究结果生成文章框架
• Article Generation Module（文章生成模块）：负责撰写正文
• Article Polishing Module（文章打磨模块）：润色和格式调整

这种设计让开发者可以自由替换底层组件——换一种搜索引挚、换一个 LLM、调优某个子模块——而无需改动其他部分。

如何本地运行

项目提供了两种运行方式：

方式一：Python API（推荐开发者使用）

pip install knowledge-storm

通过几行代码即可启动完整流程：

from knowledge_storm import STORMWikiRunnerArguments, STORMWikiRunner, STORMWikiLMConfigs
from knowledge_storm.lm import LitellmModel
from knowledge_storm.rm import YouRM

lm_configs = STORMWikiLMConfigs()
gpt_35 = LitellmModel(model='gpt-3.5-turbo', api_key=os.getenv("OPENAI_API_KEY"))
gpt_4 = LitellmModel(model='gpt-4', api_key=os.getenv("OPENAI_API_KEY"))
lm_configs.set_conv_simulator_lm(gpt_35)
lm_configs.set_article_gen_lm(gpt_4)

rm = YouRM(rm_type='you', you_api_key=os.getenv("YOU_API_KEY"))
runner = STORMWikiRunner(args=STORMWikiRunnerArguments(topic="你的研究主题"), rm=rm, lm_configs=lm_configs)
runner.run()

方式二：Streamlit Web UI（适合非技术用户）

项目内置了一个轻量级 Streamlit 界面，只需几行命令即可在本地启动一个带图形界面的演示版本：

cd frontend/demo_light
pip install -r requirements.txt
streamlit run storm.py

启动后即可在浏览器中看到交互式研究界面，输入主题、配置模型和搜索引擎参数，点击开始，即可实时观察系统检索、提问、生成的全过程。

上手门槛与局限性

STORM 并非万能。官方在 README 中也坦诚提到："系统还无法生成可直接发表的成品文章，通常需要大量人工修改。" 它的定位是写作前的预研工具，帮助快速建立对陌生领域的整体认知。

使用时需要注意：

• LLM API 成本：完整运行一次研究任务可能消耗大量 token，建议优先使用 GPT-3.5 处理对话模拟等非关键步骤，仅在文章生成阶段使用 GPT-4
• 搜索引挚依赖：搜索结果质量直接影响最终报告质量，不同搜索引挚的效果差异明显
• 内容准确性：虽然系统会标注来源，但 LLM 生成的内容仍可能存在幻觉（hallucination），重要场景下需人工核实
• 长任务耗时：一次完整研究可能需要 20-40 分钟，取决于主题复杂度和 API 响应速度

行业意义与未来展望

STORM 的出现代表了 AI 辅助知识创作领域的一个重要方向：从直接生成内容，到模拟人类研究过程的转变。它不追求一步到位的完美文章，而是将"提出好问题"和"综合好答案"两个认知过程解耦，分别优化。

Co-STORM 进一步引入人机协作范式，让人类从"被动等待 AI 出结果"变成"主动参与研究过程"，这个方向与当前 Agent 系统（Agentic AI）的发展趋势高度吻合。

随着多模态模型能力的提升，未来 STORM 完全可能进化成同时整合文本、图像、代码等多种信息来源的超级研究助理。

---

一句话总结：STORM 是斯坦福出品的高质量 AI 研究报告生成系统，适合知识工作者快速建立陌生领域认知，其模块化架构和 Co-STORM 人机协作模式是最大亮点，但目前仍需人工审核才能产出可直接使用的内容。