10.8K+ Star！STORM：一个基于LLM的知识整理系统

欢迎关注我，持续获取更多内容，感谢赞&在看~

STORM 简介

STORM^[1] 是一个由斯坦福大学开发的，基于大型语言模型（LLM）的知识整理系统。它能够针对特定主题进行互联网搜索，生成带有引用的完整报告。

虽然STORM生成的文章可能需要进一步编辑才能达到出版标准，但经验丰富的维基百科编辑发现它在预写阶段非常有用。

项目特点

主要特点

预写阶段：系统通过基于互联网的研究收集参考资料，并生成大纲。
写作阶段：系统使用大纲和参考资料生成带有引用的全文文章。
多角度问题提问：通过调查类似主题的现有文章，发现不同视角，并用它们来控制问题提问过程。
模拟对话：模拟维基百科作者与基于互联网资源的主题专家之间的对话，使语言模型能够更新对主题的理解并提出后续问题。

使用场景

STORM适用于需要快速生成关于特定主题的详细报告的场景，尤其是在需要大量参考资料和引用的情况下。

它可以帮助研究人员、作家和编辑在写作的早期阶段快速构建文章框架和内容。

项目使用

安装

可以通过以下命令安装STORM库：

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

API

STORM知识整理引擎被定义为一个简单的Python STORMWikiRunner 类。以下是使用You.com搜索引擎和OpenAI模型的一个示例：

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)