| name | storm-deepresearch |
| description | 基于 Stanford STORM Method 的多视角深度研究框架，5 分钟完成博士级 40-60 小时研究。触发词：storm、深度研究、多视角分析、研究简报、storm-deepresearch。 |
| version | 1.1.0 |
| tags | ["research","analysis","multi-perspective","stanford","storm","deep-research"] |
STORM Deep Research
基于 Stanford STORM Method（NAACL 2024）的 4 步多视角深度研究框架。
定位
5 分钟完成博士级 40-60 小时的多视角深度研究。用户只需提供一个话题，自动完成全流程。
流程
Step 1: Multi-Perspective Scan（多视角扫描）
模拟 5 种专家视角研究同一话题，每种输出：
- 核心立场（2 句话）
- 最强证据
- 独特洞察（只有这个视角才会说的）
5 个视角：
| 视角 | 关注点 | 核心问题 |
|---|
| Practitioner 实践者 | 日常经验 | 学者忽略什么？哪些实际状况被无视？ |
| Academic 学术 | 同行评审证据 | 证据怎么说？哪里和大众认知矛盾？ |
| Skeptic 怀疑论 | 反对观点 | 最强反论点？支持者忽略什么证据？ |
| Economist 经济学 | 利益分析 | 谁获利？什么经济动机塑造叙事？ |
| Historian 历史 | 历史先例 | 有哪些类似模式？它们怎么演变的？ |
输出格式：
## 多视角扫描：[话题]
### 1. 实践者视角
- **核心立场：** ...
- **最强证据：**
- **独特洞察：**
### 2. 学术视角
...
### 3. 怀疑论视角
...
### 4. 经济学视角
...
### 5. 历史视角
...
Step 2: Contradiction Map（矛盾地图）
基于 5 个视角，找出冲突和共识：
- 直接矛盾 — 哪些视角冲突？具体什么观点冲突？
- 证据强弱 — 哪个最强？哪个最弱？为什么？
- 关键问题 — 哪个问题一旦回答就能化解最大矛盾？
- 共识 — 所有视角都认同什么？（大概率是真的）
- 盲区 — 没有任何视角提到的话题？（最有价值的发现）
输出格式：
## 矛盾地图
### 直接矛盾
| 冲突方 | 观点 A | 观点 B |
|--------|--------|--------|
### 证据评估
- **最强证据视角：** ...
- **最弱证据视角：** ...
### 关键问题
> [问题]
### 共识
- ...
### 盲区
- ...
Step 2.5: Evidence Search（证据搜索）⚡ 可选但推荐
在矛盾地图完成后，用网络搜索补充 LLM 知识的时效性限制。这一步解决两个问题：
- 验证：矛盾地图中的核心争议，有没有最新研究/数据可以定论？
- 补充：盲区和前沿问题，有没有最新进展？
执行方式：
-
从矛盾地图中提取 2-3 个最关键的搜索查询：
- 争议最大的观点（需要最新证据裁决）
- 盲区话题（需要确认是否有研究覆盖）
- 前沿问题（需要最新进展）
-
使用 WebSearch 搜索，优先来源：
- 学术数据库（Google Scholar、PubMed、CNKI）
- 行业报告（USDA、FAO、行业协会）
- 政策法规（FDA、欧盟 EFSA、中国农业农村部）
-
搜索结果整合到后续步骤中：
- 在 Synthesis 中引用具体数据和来源
- 在 Peer Review 中更新置信度打分
输出格式：
## 证据搜索
### 搜索 1: [争议点]
- **查询：** ...
- **发现：** ...
- **对研究的影响：** 支持/推翻/补充了哪个视角
### 搜索 2: [盲区]
...
### 搜索 3: [前沿问题]
...
### 证据更新摘要
基于搜索结果，需要修正的结论：
- [原结论] → [修正后结论]（来源：...）
注意： 如果用户明确要求"快速研究"或网络不可用，可跳过此步骤直接进入 Synthesis。
Step 3: Synthesis（综合研究简报）
整合所有内容（含证据搜索结果），输出：
- 一段话概括 — 给 CEO 的 60 秒汇报
- 5 个关键发现 — 按可靠性排序，标注支持/挑战的视角
- 隐藏关联 — 只有综合所有视角才浮现的联系
- 可落地洞察 — 具体该怎么做
- 前沿问题 — 改变理解的关键问题
Step 4: Peer Review（同行评审）
自我批判，评估研究质量：
- 置信度打分 — 每个关键发现 1-10 分，解释分数
- 最弱一环 — 最没把握的主张，需要什么信息核实
- 偏见检查 — 哪种视角被过度代表
- 缺失视角 — 有没有第 6 种该纳入的角度
- 总体评级 — 斯坦福教授会打什么分
执行规则
- 用户提供话题后，按 Step 1→2→2.5→3→4 顺序执行
- 每步输出直接呈现给用户，不等确认
- 中英文自动跟随用户语言
- 每步保持结构化输出，可直接引用
- Step 2.5 证据搜索：默认执行；用户说"快速研究"或明确跳过时可省略
- 最终输出完整研究简报 + 可靠性评估
工作流概览
Step 1: 多视角扫描 (5 个专家视角)
↓
Step 2: 矛盾地图 (冲突/共识/盲区)
↓
Step 2.5: 证据搜索 (WebSearch 验证/补充) ⚡
↓
Step 3: 综合研究简报 (整合所有发现)
↓
Step 4: 同行评审 (可靠性评估)
适用场景
- 写文章/报告前研究
- 重大商业决策
- 面试准备（公司研究）
- 投资分析（多空+历史+利益）
- 学习新技能（领域全景）
- 谈判准备（对方研究）
- 演示准备（预判异议）
参考
- 论文：STORM (NAACL 2024) - Stanford OVAL Lab
- 在线版：storm.genie.stanford.edu
- 代码：github.com/stanford-oval/storm (MIT)
