STORM
斯坦福开源的带引用长文系统
STORM 是斯坦福 OVAL 实验室开源的知识策展系统，目标是协助从零写出维基百科式的长文。名字来自它自己的方法：先围绕主题做检索，再用多视角的提问把大纲合成出来。研究预览挂在实验室的在线域名下，页面只有一道服务条款同意门，勾选之后就能开始；项目仓库的第一屏把预览、两篇论文、项目站与代码入口都排好了。对写作者来说，它更像一个先替你做完功课的调研助手：你给出题目，它交回一份带引用的初稿。
深度介绍
STORM详细介绍
论文里的三步法与两个结果数字
原论文把预写阶段拆成三步。第一步发现多样视角，围绕给定主题先做调研；第二步模拟对话，让持不同视角的写作者向主题专家提问，答案锚定在可信的互联网来源上；第三步策展汇编，把收集到的信息整理成大纲。评估部分自建 FreshWiki 数据集，收录近期高质量的维基条目，并引入资深维基编辑的反馈。结论给出两个数字：与以大纲驱动的检索增强方法相比，文章被认为组织性提升 25 个百分点、覆盖广度提升 10%，同时点出来源偏见迁移与无关事实过度关联两个待解问题。
Co-STORM：走进未知的未知
协作版 Co-STORM 的论文标题就叫走进未知的未知，已被 EMNLP 2024 主会收录。它的出发点很直白：聊天机器人擅长回答具体问题，但人常常说不清自己不知道什么，于是它把使用者放进一场圆桌讨论。智能体专家基于外部知识源作答与追问，主持人推进议程，人随时可以插话改变话题方向，机制由协作话语协议与轮次管理策略支撑。一句话说清分工：STORM 负责写，Co-STORM 负责和你一起想。
两阶段两策略，模型与检索可换
工程侧把论文翻成一条两阶段管线：预写阶段联网调研、收集参考并生成大纲，写作阶段按大纲与参考产出全文与引用，仓库里配了双阶段流程图。提问质量用两种策略攻坚，视角引导式提问先扫描同类文章、发现可用视角再按视角发问，模拟对话则让写作者与主题专家在互联网来源上对练、边听边追问。重构之后接口全面开放，语言模型与检索方式都可替换，检索侧支持搜索引擎、网页检索与给定文档的向量化接地，另附一个维基实例与开发者轻量界面。
一年半从论文走到协作版
项目仓库的新闻栏就是它的时间轴。2024 年 4 月完成接口化重构，5 月接入搜索引擎；6 月 17 日在 NAACL 2024 海报场次展示，幻灯片直接挂在仓库里；7 月连推三项，包可以 pip 安装、给定文档的向量化接地上线、开发者轻量界面发布；9 月 Co-STORM 代码发布并入 1.0.0，同月论文入选 EMNLP 2024 主会；2025 年 1 月加入语言模型与嵌入模型的统一路由，版本走到 1.1.0，包管理站上的现版是 1.1.1。
论文、仓库、包与预览都在明处
找资料不必来回翻。在线预览挂在实验室域名下，首页只有服务条款同意门，勾选后可用；两篇论文分别是 STORM 主论文与 Co-STORM 协作版，都在 arXiv 上；代码仓库的第一屏排着预览、论文、项目站与文档入口；包管理站的 knowledge-storm 页面给出版本与 MIT 许可，发布页则记录每一次版本更新。官方分享图、双阶段流程图与 NAACL 演讲幻灯片同样放在仓库资源里，想核对细节随时可取。
写综述与做背景调研的日常场景
最对口的场景是开题与综述的预写阶段：先用它把一个陌生领域扫一遍，拿到带引用的大纲再动笔，省掉第一轮漫无目的的检索。百科式条目起草同样合适，它的成文目标本来就是维基风格的组织方式。课程与写作工作坊里，教师可以拿它演示怎么从问题出发搭出结构，图书馆与高校的教学场景也能直接用来讲信息检索与引用规范。开发者则可以把它当管线底座，接上自己的模型与数据源，做知识策展类的应用。
开源免费，三步就能跑起来
资费门槛几乎为零：代码以 MIT 许可开源，可以自由下载与二次开发，在线研究预览也免费，只需同意服务条款后使用。上手路径有三条。想先看效果，就在预览页输入题目、勾选条款直接生成；想自己跑，用 pip 装上 knowledge-storm，按仓库说明接入语言模型与检索渠道；想先弄懂方法，读两篇论文与新闻栏里的更新记录即可。从试用到本地部署再到二次开发，同一条路上三档台阶，按需要挑一档站上去。
产品特点
核心功能与独有价值
七万人试过的免费预览
在线研究预览挂在实验室域名下，仓库里写着超过 70,000 人用过，页面还附了一句欢迎反馈。对一个开源项目来说，把免费试用摆在第一屏、把门槛压到只勾一个同意框，是很直接的邀请姿态。
论文里主动写出自己的短板
评估结论除了组织性提升 25 个百分点、覆盖广度提升 10%，还主动点出来源偏见迁移与无关事实过度关联两个失败模式。把没解决的问题和成绩一起写进摘要，读者对结果的信任反而更高。
两种提问策略对着同一个难题
直接让模型提问效果不好，这是原文写进仓库说明的原话；于是工程侧补上视角引导式提问与模拟对话两种策略，先发现视角再发问，或让写作者与专家对练追问，提问质量从碰运气变成有章法。
MIT 许可加统一模型路由
包管理站现版 1.1.1、MIT 许可、仓库三万多颗星，2025 年 1 月起语言模型与嵌入模型可以统一路由切换。想换模型、想接自己检索源的人，不必在授权和依赖上再做额外功课。
最近动态
重要更新
统一路由接入，版本走到 1.1.1
2025 年 1 月，knowledge-storm 1.1.0 加入语言模型与嵌入模型的统一路由集成，一套配置就能在不同模型之间切换；包管理站上的现版已更新到 1.1.1，升级依赖即可用上。
Co-STORM 入库并入选主会
9 月有两件大事：Co-STORM 代码随 knowledge-storm 1.0.0 发布，升级依赖即可使用；协作版论文同时被 EMNLP 2024 主会收录，方法与代码在同一月落地。
七月三连发与六月海报
7 月连推三项更新：包支持直接 pip 安装、给定文档的向量化接地功能上线、开发者轻量界面发布；此前的 6 月 17 日，项目还在 NAACL 2024 的海报场次展示，幻灯片存放在仓库资源目录里。
产品总结
STORM 是斯坦福 OVAL 实验室开源的带引用长文写作系统，名字取自它的方法本身：围绕主题做检索，再用多视角的提问把大纲合成出来。它面向同一件事——给定一个题目，先做足调研，再写出结构完整、引用可查的百科式长文。项目以 MIT 许可发布在代码仓库里，已有三万一千多颗星；挂在实验室域名下的在线研究预览有超过 70,000 人用过，进门先同意服务条款。 论文把预写拆成三步：先发现多样视角，再让持不同视角的写作者向主题专家提问、答案锚定在可信的互联网来源上，最后把收集到的信息策展成大纲。评估用自建的 FreshWiki 数据集配合资深维基编辑反馈，结论是与以大纲驱动的检索增强方法相比，文章的组织性被认为提升 25 个百分点、覆盖广度提升 10%。工程上分两阶段，预写联网调研出大纲、写作按纲成文带引用，另有视角引导式提问与模拟对话两种策略提升提问质量；协作版 Co-STORM 把人放进圆桌，智能体专家作答追问、主持人推进议程，使用者随时插话改变方向，论文入选 EMNLP 2024 主会。 它适合要写综述与背景报告的研究者、起草百科式条目的内容创作者，也适合在课程与写作工作坊里带学生做调研，还可以作为二次开发的管线底座。资费上代码开源免费、研究预览同样免费，只需同意服务条款。上手从三处任选其一：在预览页直接开一个题目，用 pip 装上 knowledge-storm 自己跑，或先读两篇论文与仓库说明弄懂两阶段两策略的设计，再接上自己的语言模型与检索渠道。
- 产品类型
- 带引用长文与研究报告生成
- 支持平台
- 网页版 / API
- 资费模式
- 开源免费（MIT 许可）；在线研究预览免费，需同意服务条款后使用。
核验信息
参考文章与数据来源
本页信息取自 STORM 项目仓库说明、两篇论文摘要、包管理站的版本与许可信息、NAACL 演讲幻灯片与官方图片资源，版本号、星数与日期均以官方公开页面为准，内容核对于 2026-10-04。
用户体验调查
STORM介绍页面对您是否有帮助？