STORM 知识整理与文章写作系统

STORM：安装说明

这个工具包里只有安装说明，由 Mindket 编写。STORM 和 Co-STORM 都来自 stanford-oval 的仓库：https://github.com/stanford-oval/storm

这些说明不是斯坦福大学或斯坦福开放虚拟助手实验室写的，也没有得到他们的认可。README 说 STORM “is a LLM system that writes Wikipedia-like articles from scratch based on Internet search”，意思是它是一个根据网上搜索、从零开始写出类似维基百科文章的语言模型系统，又说 Co-STORM 让人和这个语言模型系统一起工作。代码是一个 Python 库，叫 knowledge-storm。来源：https://github.com/stanford-oval/storm/blob/main/README.md

许可证：MIT。LICENSE 文件（https://github.com/stanford-oval/storm/blob/main/LICENSE）是 MIT 许可证的文本，写的是“Copyright (c) 2024 Stanford Open Virtual Assistant Lab”。knowledge-storm 在 PyPI 上的页面（https://pypi.org/project/knowledge-storm/）写的是同一个许可证。

README 说这个系统“cannot produce publication-ready articles that often require a significant number of edits”，意思是它写不出可以直接发表的文章，这样的文章往往需要大量修改，又说有经验的维基百科编辑觉得它对他们的写作前准备有帮助。这个包的 setup.py（https://github.com/stanford-oval/storm/blob/main/setup.py）把它标为“Development Status :: 3 - Alpha”。

会安装什么

• PyPI 上的 knowledge-storm Python 包。它的依赖来自 requirements.txt（https://github.com/stanford-oval/storm/blob/main/requirements.txt）和 PyPI 页面：dspy_ai==2.4.9、wikipedia==1.4.0、sentence-transformers、toml、langchain-text-splitters、trafilatura、langchain-huggingface、qdrant-client、langchain-qdrant、numpy、litellm 和 diskcache。
• 或者是仓库的一份副本，里面还有 examples/ 里的示例脚本和 frontend/demo_light/ 里的 Streamlit 演示界面。
• 没有别的了。这些说明用到的 README 和文档没有提到技能、插件或 MCP 服务器，也没有写任何用编程智能体的做法。编程智能体只能替你在终端里运行下面的命令。

事先需要准备

• Python 3.10 或更高版本。setup.py 写的是 python_requires=">=3.10"，README 里的 conda 命令用的是 Python 3.11。
• 一个语言模型。可以是托管服务的密钥（示例脚本涵盖 OpenAI、Azure OpenAI、Anthropic、Google、DeepSeek 和 Groq），也可以是你自己运行的服务器（VLLM 或 Ollama）。这个库接受 litellm 支持的任何模型。见 setup/models-and-search.md 和 setup/local-models.md。
• 一个搜索来源：搜索 API 密钥（You.com、Bing、Brave、Serper、Tavily 或 Azure AI Search）、SearXNG 服务器的地址、DuckDuckGo，或者通过 VectorRM 用你自己的文档。见 setup/models-and-search.md、setup/local-models.md 和 setup/own-corpus.md。
• README 和示例 README 没有按操作系统给步骤，也没有给运行时间或费用数字。

主要的安装命令

pip install knowledge-storm

想改变 STORM 的行为，就改从源码安装：

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

来源：https://github.com/stanford-oval/storm/blob/main/README.md 的 Installation 部分

各条路线的说明

• setup/library.md：pip 包和它的 STORMWikiRunner 类
• setup/from-source.md：源码副本、secrets.toml 和第一次 STORM 运行
• setup/models-and-search.md：每个示例脚本读取的模型和搜索设置
• setup/local-models.md：VLLM 和 Ollama
• setup/own-corpus.md：让 STORM 以你自己的文档 CSV 为依据
• setup/co-storm.md：协作模式
• setup/demo-ui.md：Streamlit 演示界面

更新或卸载

README 没有给卸载步骤。关于更新这个包，它 2024/09 的那条新闻给出了 pip install knowledge-storm --upgrade。

一次安装会创建什么：pip 包，你克隆出来的 storm 文件夹，如果你用了 README 里的那一行，还有一个叫 storm 的 conda 环境，一个存着你密钥的 secrets.toml 文件（演示界面还有它放在 .streamlit/ 里的副本），示例脚本写出的输出文件夹（默认是 ./results/...），VectorRM 的向量库文件夹（默认是 ./vector_store），以及演示界面的 DEMO_WORKING_DIR 文件夹。把你创建的东西删掉就行。

哪些东西会离开你的机器

一次运行会把你的主题和提示词发给你配置的语言模型，把查询发给你选的搜索服务。VectorRM 让一次运行以你自己的文档 CSV 为依据，不再用网上搜索，但它的示例脚本仍然调用 OpenAI 或 Azure OpenAI 的模型。在线模式下，脚本还会把你的文档载入你指定的 Qdrant 服务器，比如 Qdrant 云服务器。离线模式下，向量库留在你磁盘上的文件夹里。这些说明用到的 README 和文档页面没有提到使用数据。

README 链接了一个托管的“Research preview”：https://storm.genie.stanford.edu/。它是作者另外托管的服务。这些说明只涉及代码。

来源

• README：https://github.com/stanford-oval/storm/blob/main/README.md
• 示例 README：https://github.com/stanford-oval/storm/blob/main/examples/storm_examples/README.md
• 演示界面的 README、requirements 和代码：https://github.com/stanford-oval/storm/blob/main/frontend/demo_light/README.md、https://github.com/stanford-oval/storm/blob/main/frontend/demo_light/requirements.txt 和 https://github.com/stanford-oval/storm/blob/main/frontend/demo_light/demo_util.py
• Contributing：https://github.com/stanford-oval/storm/blob/main/CONTRIBUTING.md
• setup.py 和 requirements.txt：https://github.com/stanford-oval/storm/blob/main/setup.py 和 https://github.com/stanford-oval/storm/blob/main/requirements.txt
• PyPI 页面：https://pypi.org/project/knowledge-storm/
• 示例脚本：https://github.com/stanford-oval/storm/tree/main/examples