storm-deepresearch

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：

1. 直接矛盾 — 哪些视角冲突？具体什么观点冲突？
2. 证据强弱 — 哪个最强？哪个最弱？为什么？
3. 关键问题 — 哪个问题一旦回答就能化解最大矛盾？
4. 共识 — 所有视角都认同什么？（大概率是真的）
5. 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：

1. 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）

2. 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）

3. 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：

1. 一段话概括 — 给 CEO 的 60 秒汇报
2. 5 个关键发现 — 按可靠性排序，标注支持/挑战的视角
3. 隐藏关联 — 只有综合所有视角才浮现的联系
4. 可落地洞察 — 具体该怎么做
5. 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：

1. 置信度打分 — 每个关键发现 1-10 分，解释分数
2. 最弱一环 — 最没把握的主张，需要什么信息核实
3. 偏见检查 — 哪种视角被过度代表
4. 缺失视角 — 有没有第 6 种该纳入的角度
5. 总体评级 — 斯坦福教授会打什么分

执行规则

1. 用户提供话题后，按 Step 1→2→2.5→3→4 顺序执行
2. 每步输出直接呈现给用户，不等确认
3. 中英文自动跟随用户语言
4. 每步保持结构化输出，可直接引用
5. 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
6. 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)