Stanford OVAL STORM
先调研，再落笔

Stanford OVAL（Open Virtual Assistant Lab）由计算机科学系 Monica Lam 教授创立——她是编译器与系统领域的传奇学者，近年将研究重心转向 AI 助手与知识发现，实验室的使命是打造"有效且可信的 AI 助手"，加速知识发现的过程。

用 LLM 写长文章有一个根本矛盾：越早让模型动笔，产出越依赖训练数据、缺乏新鲜信息；越晚动笔，积累的上下文越多，但模型注意力有限，长上下文质量会下降；传统检索增强（RAG）虽然能注入外部信息，却是"查一次、写一篇"，缺少真正意义上的迭代探索。STORM 的洞察来自一个朴素的观察：人类写维基百科条目时，是先做大量有结构的调研、不断追问修正认知，最后才落笔的。

STORM 全称 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking（通过检索与多视角提问合成话题提纲）。运行流程是：先在 Wikipedia 中定位相关话题、建立知识图谱；再让 LLM 模拟多个关注点不同的"专家"视角（如技术研究者、伦理学家、产品经理、媒体记者）；每个专家视角向"知识整合 Agent"提问，Agent 把问题拆成搜索查询、检索互联网、过滤可靠来源、合成答案再反馈给专家，形成多轮问答循环；积累足够的问答后生成多层级提纲，最后基于提纲和检索到的原始资料逐节写作，每个论断都带可追溯的引用链接。

STORM 原始论文发表于 NAACL 2024（《Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models》），确立了多视角模拟对话的范式。2024 年，OVAL 推出升级版 Co-STORM（EMNLP 2024），核心改变是把"纯自主模式"变成"人机协同模式"：用户可以在任意时刻打断 Agent 的调研流程、提出新问题或修正方向，Agent 在生成提纲前会与用户确认知识结构，让最终报告更贴近用户的真实信息需求，而不是系统自己认为重要的内容。

STORM 代码库已开源，支持 GPT-4o、Claude 3.5、Gemini 及本地模型作为 LLM 后端，Bing Search、You.com、Tavily、DuckDuckGo 等多种搜索引擎，向量/稀疏/混合检索策略，以及 Markdown、HTML、带引用维基格式的多种输出。上线以来已被约 100 万用户使用，GitHub 仓库拥有超过 1.3 万 Star，在 AI 研究工具类开源项目中排名前列。

与同期的 OpenAI Deep Research、Perplexity Pages、Google Deep Research 相比，STORM 的差异点在于完全开源、可在自研基础设施上部署，学术可复现（论文配有完整实验和评估指标），且检索策略、LLM 后端均可模块化替换。OVAL 目前正把这套方法论向生物医学文献库做深度适配，目标是帮助科研人员发现跨论文的隐性联系——这是通用商业产品难以触达的专业垂直场景。

STORM 最初的叙事是"整个过程无需人工干预"，但仅仅一年后，OVAL 自己推出的 Co-STORM 就把"纯自主"改成了"用户可以随时打断"。这不是简单的功能迭代，而是对最初假设的一次隐性修正——一个完全自主的调研 Agent，其提纲和判断标准仍然是系统自己认定的重要性，而不必然对齐用户真实的信息需求。学术界能诚实地在论文里记录这种转向，是 STORM 区别于商业产品叙事的地方，但也说明"自主 Agent 写报告"这件事，比最初设想的更依赖人类在关键节点的介入。

STORM 的调研起点是 Wikipedia 知识图谱，这意味着它天然更擅长处理"已有相当积累、维基百科已建立条目框架"的话题，而在真正前沿、尚未被系统总结的领域——恰恰是 OVAL 现在想攻克的生物医学场景——其多视角提问和检索路径的有效性还缺少同等分量的公开验证。100 万用户和 1.3 万 Star 证明的是通用场景的产品市场契合度，不完全等同于生物医学深度适配的既成事实。

作为完全开源、模块化、学术可复现的系统，STORM 面对的另一重竞争压力来自 OpenAI、Google、Perplexity 等公司几乎同时推出的"Deep Research"类产品——这些产品有更强的工程资源和更紧密的模型-产品耦合。STORM 的护城河更多在于开放性和可审计性，而不是绝对性能领先，这是一条典型的学术开源项目在商业化浪潮中的生存路径。