STORM

STORM 是史丹佛大學 OVAL 實驗室的學術研究專案，不是商業產品。它要解決的問題很具體：給一個主題，讓語言模型自己上網查資料、整理大綱，寫出一篇像維基百科條目的長文，而且每段都附上來源引用。網頁版研究預覽（storm.genie.stanford.edu）到 2026 年 10 月仍在運作，開啟時要先勾選同意服務條款；GitHub 上的 stanford-oval/storm 有 3 萬多顆星，README 寫著超過 7 萬人用過線上版。

功能特色與適用場景：STORM 的做法分兩段。寫作前，它會從相似主題找出不同觀點，模擬「維基寫手」向「領域專家」發問的對話，專家的回答都以網路搜尋結果為根據，藉此長出大綱；寫作階段再依大綱與蒐集到的資料逐段成文。Co-STORM 是 2024 年 9 月加入的延伸版本，論文入選 EMNLP 2024：除了多個 LLM 專家與一個主持人代理之外，你也能加入討論、引導方向，系統會同步維護一張動態心智圖，把蒐集到的概念分層整理，長時間深挖一個主題時比較不會迷路。

開發者可以 pip install knowledge-storm 自己跑，PyPI 上最新版是 2025 年 9 月的 1.1.1。它透過 litellm 支援各家語言模型，搜尋端可接 Bing、You.com、Serper、Brave、Tavily、Google、DuckDuckGo、SearXNG 等，也能用 VectorRM 改成只查你自己的文件。要誠實說，官方 README 也承認它產出的文章還達不到可直接發表的程度，通常要大幅修改，價值在寫作前的資料蒐集與架構。另外程式碼最近一次大更新在 2025 年，比較像穩定的研究成果，而不是快速迭代的產品。

給台灣使用者的建議：研究生寫文獻回顧、記者做背景研究、老師備課要快速掌握一個陌生主題，都可以先讓 STORM 生一份附引用的草稿，再逐條點開來源核對。它以英文資料為主，中文主題的引用來源會偏少，建議用英文下題目、拿到結構後自己用中文改寫。想要同類型但更日常的工具，可以比較 Perplexity 或 NotebookLM。