一个由大型语言模型驱动的知识整理系统，能够研究一个主题并生成带有引用的完整报告。
这是一个基于 Stanford OVAL 实验室开发的开源项目，其目标是利用大型语言模型（LLM）自动生成类似维基百科风格的结构化带引用文章。
🎯 项目概述
- 项目名称： STORM（Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking），全称为主题提纲合成系统，通过检索和多视角提问生成文章大纲，然后输出完整报告。
- 最新版功能：
- 支持 LiteLLM 接口（2025 年 1 月更新）
- 集成 Co‑STORM，进一步支持人机协作式知识整理
- 最新稳定版为 v1.1.0，可通过
pip install knowledge-storm安装
🧠 STORM 的核心流程
1. 预写阶段（Pre‑writing）
- 系统先自动检索网络信息，生成文章的大纲素材；
- 通过“多视角提问”（比如从不同角度模拟专家对话），确保覆盖主题各方面要点。
2. 写作阶段（Writing）
- 基于大纲，通过 LLM（如 GPT‑4o）撰写完整文章，并自动插入引用链接，让内容更可信。
👥 Co‑STORM：人机协作增强
- 在 STORM 基础上，Co‑STORM 引入了协同机制：
- 多个 LLM agent（专家、主持人）协作问答；
- 人类也可介入，参与问答、调整方向；
- 系统提供动态“思维导图”来可视化知识结构，降低复杂度。
📦 技术栈与使用方式
- 使用 Python，并通过
knowledge-storm包安装； - 支持多个检索接口（如 Bing、You.com、VectorRM 等）；
- 支持多种 LLM，可自定义配置；
- 用户代码演示采用
STORMWikiRunner和CoStormRunner类来执行具体任务。
🧩 适用人群
- 研究人员、学生、内容创作者等；
- 适合在撰写之前用于主题调研、提纲构建；
- 生成的文章虽需人工润色，但已减少大量初稿工作量
✅ 总结
STORM 是一个面向“知识整理 → 结构化编写”流程的自动化系统，结合互联网检索与 LLM 模型，支持生成维基百科风格的带引用文章。Co‑STORM 则进一步支持用户参与，实现人机协作的知识生产。代码开源，功能模块灵活，可广泛定制与扩展，非常适合对内容质量和可靠性有高需求的场景。
