STORM 使用指南给一个主题自动生成带引用的调研报告【免费下载链接】stormAn LLM-powered knowledge curation system that researches a topic and generates a full-length report with citations.项目地址: https://gitcode.com/GitHub_Trending/sto/storm写综述、写报告时最花时间的往往是资料搜集与参考整理。STORM 是一个由大语言模型驱动的知识策展系统给它一个主题它会自动完成互联网调研、生成大纲并输出一篇带完整引用的维基式长文报告初稿可以一次成型。三步跑通 STORM 示例安装依赖pip install knowledge-storm想改流程本身则先克隆代码git clone https://gitcode.com/GitHub_Trending/sto/storm.git再pip install -r requirements.txt。在项目根目录建secrets.toml填入 OpenAI 密钥OPENAI_API_TYPE设为openai或azure以及所用搜索引擎的密钥。目前支持 Bing、You.com、Serper、Brave 等十几种检索后端实现在 knowledge_storm/rm.py。运行示例脚本python examples/storm_examples/run_storm_wiki_gpt.py --output-dir ./output --retriever bing --do-research --do-generate-article。对话日志、大纲、成品文章都会落到输出目录里方便回看。STORM 两阶段流程如何把长文写出来STORM 把长文写作拆成两个阶段。预写作阶段负责研究模拟不同角色对话、检索网页、积累参考文献并生成大纲写作阶段再依据大纲和素材逐节撰写末尾附上引用。两个阶段的编排逻辑在 knowledge_storm/storm_wiki/engine.py且各自有独立开关——可以跳过研究直接复用上次结果或只重写文章不再检索。让模型问出好问题多视角与模拟对话直接让模型列问题问出来往往又浅又重复。STORM 用两种办法提升提问质量。其一是视角引导先读类似主题的现有文章提炼出几个不同观察角度再分别按这些角度提问其二是模拟对话让模型扮演维基作者与领域专家问答对话推进中模型对主题的理解不断更新追问自然更深。Co-STORM加入人的协作对话协议Co-STORM 把人加了进来。对话由三类角色轮流推进LLM 专家基于外部资料作答并提出后续问题主持人从检索器发现但前几轮没用的信息中生成发人深省的问题人类用户既可以旁观学习也可以随时注入一句话把讨论带回关心处。同时系统维护一张动态更新的思维导图把收集的信息组织成层级结构和用户共享同一个概念空间长讨论时压力更小。编排代码见 knowledge_storm/collaborative_storm/engine.py。STORM 本地界面从输入主题到展示成稿仓库自带一个最简 Streamlit 界面frontend/demo_light。输入主题后系统识别不同专家视角、进行提问式研究最终把成稿与参考文献并列展示STORM 适用场景与降低成本的做法产出更接近预写作素材官方也提示它还需人工修订后才算定稿。因此它适合选题调研与资料梳理、报告初稿、维基条目起步。几个实用做法各组件可接不同模型对话模拟、提问用便宜快速的大纲和成稿用强的成本可控。模型抽象在 knowledge_storm/lm.pylitellm 支持的基本都能接。研究、大纲、成稿、润色四个开关可自由组合换主题后通常只需重跑后两步。在 Co-STORM 中适时注入一两句把对话保持在最关心的子话题上。STORM 把研究一个主题再整理素材变成了一条能自动跑起来的流水线不妨拿一个你一直想摸透的主题先试一篇。【免费下载链接】stormAn LLM-powered knowledge curation system that researches a topic and generates a full-length report with citations.项目地址: https://gitcode.com/GitHub_Trending/sto/storm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考