GitHub 18.2k Star STORM：用AI打造知识宝库，从零开始撰写维基百科式文章

戳上方蓝字�?牛皮糖不吹牛*”关注我

大家好，我是牛皮糖！今天要给大家介绍的是一个在GitHub上备受瞩目的开源项目——STORM。STORM是一个由大型语言模型（LLM）驱动的知识整理系统，能够从头开始撰写类似维基百科的文章，并生成带有引用的完整报告�?

项目核心论点

STORM的核心目标是通过自动化的方式，帮助用户从互联网上搜集信息，并生成结构化的知识内容。它将生成长篇文章的过程分为两个阶段�?

1. *预写作阶�?：系统进行基于互联网的研究，收集参考文献并生成大纲�?
2. 写作阶段：系统利用大纲和参考文献，生成带有引用的完整文章�?

STORM通过自动提出问题来深化和拓展研究过程，它采用两种策略来提升问题的质量和广度：

•�?视角引导式提�?：通过调研类似主题的现有文章，发现不同的视角，并用这些视角来指导提问过程�?
•�?模拟对话*：模拟维基百科作者与主题专家之间的对话，基于互联网资料，使语言模型能够更新对主题的理解，并提出后续问题�?

如何使用STORM

使用STORM的过程相对简单，首先需要安装knowledge-storm库。可以通过pip命令直接安装�?

pip install knowledge-storm或者克隆源代码，以便直接修改STORM引擎的行为：

git clone https://github.com/stanford-oval/storm.git cd storm conda create -n storm python=3.11 conda activate storm pip install -r requirements.txt安装完成后，就可以使用STORM进行知识整理和文章生成了。例如，使用You.com搜索引擎和OpenAI模型进行文章生成的代码如下：

`import os
from knowledge_storm import STORMWikiRunnerArguments, STORMWikiRunner, STORMWikiLMConfigs
from knowledge_storm.lm import OpenAIModel
from knowledge_storm.rm import YouRM

lm_configs = STORMWikiLMConfigs()
openai_kwargs = {
  ‘api_key’: os.getenv(“OPENAI_API_KEY”),
  ‘temperature’: 1.0,
  ‘top_p’: 0.9,
}
gpt_35 = OpenAIModel(model=’gpt-3.5-turbo’, max_tokens=500, **openai_kwargs)
gpt_4 = OpenAIModel(model=’gpt-4o’, max_tokens=3000, **openai_kwargs)
lm_configs.set_conv_simulator_lm(gpt_35)
lm_configs.set_question_asker_lm(gpt_35)
lm_configs.set_outline_gen_lm(gpt_4)
lm_configs.set_article_gen_lm(gpt_4)
lm_configs.set_article_polish_lm(gpt_4)
engine_args = STORMWikiRunnerArguments(…)
rm = YouRM(ydc_api_key=os.getenv(‘YDC_API_KEY’), k=engine_args.search_top_k)
runner = STORMWikiRunner(engine_args, lm_configs, rm)

topic = input(‘Topic: ‘)
runner.run(
topic=topic,
do_research=True,
do_generate_outline=True,
do_generate_article=True,
do_polish_article=True,
)
runner.post_run()
runner.summary()`通过上述代码，STORM将根据输入的主题，自动进行研究、生成大纲、撰写文章，并对文章进行润色�?

Co-STORM：人机协作的知识整理

Co-STORM是STORM的增强版本，它提出了一个人机协作的对话协议，实现了人与AI系统之间的顺畅协作。Co-STORM中包含多种LLM专家代理、主持人代理以及人类用户。人类用户可以主动参与对话，引导讨论的方向，或者观察对话以获得对主题的深入理解。Co-STORM还维护了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，帮助用户和系统之间建立共享的概念空间，减少长时间深入对话时的认知负担�?

应用场景与优�?

STORM和Co-STORM在知识探索、学术研究、内容创作等领域具有广泛的应用前景。它们能够帮助用户快速搜集和整理大量信息，生成结构化的知识内容，提高研究和创作的效率。同时，Co-STORM的人机协作模式，使得用户可以更加主动地参与到知识整理的过程中，获得更加符合自己需求的信息�?

结语

总的来说，STORM是一个功能强大、易于使用的知识整理工具，它凭借其先进的AI技术和灵活的使用方式，为用户提供了全新的知识探索和内容创作体验。如果你对知识管理和内容创作有着浓厚的兴趣。想要了解更多关于STORM的详细信息，可以访问其GitHub仓库地址：STORM GitHub 仓库�?

项目地址�?

https://github.com/stanford-oval/storm

**
**

·················END·················

项目核心论点

如何使用STORM

Co-STORM：人机协作的知识整理

应用场景与优�?

结语

推荐阅读