项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 31840
使用教程
环境要求
- Python 3.11(README 源码安装示例使用 conda create -n storm python=3.11)
- OpenAI API Key(用于语言模型与 openai 类型的编码器)
- 可访问 GitHub、LLM 接口与检索服务的网络环境
- 可选:Conda(用于创建独立环境)
- 可选:Bing Search 或 You.com 检索 API Key(使用对应检索器时需要)
安装与启动步骤
-
1安装 STORM 库
最简单的方式:直接通过 pip 安装官方发布的 knowledge-storm 包,作为依赖在代码中调用。
pip install knowledge-storm -
2克隆源码仓库
若想修改 STORM 引擎行为,则克隆源码到本地并进入 storm 目录。
git clone https://github.com/stanford-oval/storm.git cd storm -
3创建 Python 环境
README 示例使用 Python 3.11,建议用 conda 建独立环境避免依赖冲突。
conda create -n storm python=3.11 conda activate storm -
4安装项目依赖
在已激活的 storm 环境中安装 requirements.txt 列出的全部依赖包。
pip install -r requirements.txt -
5写入 API 密钥
在项目根目录新建 secrets.toml,填入语言模型与检索服务的密钥。
# secrets.toml OPENAI_API_KEY="your_openai_api_key" BING_SEARCH_API_KEY="your_bing_search_api_key" ENCODER_API_TYPE="openai"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | 语言模型与编码器调用的 OpenAI 密钥 | your_openai_api_key |
BING_SEARCH_API_KEY | 否 | 使用 BingSearch 检索器时需要的密钥 | your_bing_search_api_key |
ENCODER_API_TYPE | 否 | 编码器类型,使用 OpenAI 编码器时填 openai | openai |
YDC_API_KEY | 否 | YouRM 检索器所需的 You.com API 密钥 | your_ydc_api_key |
如何确认成功
能成功 import knowledge_storm 并运行 examples 目录下的示例脚本、正常产出带引用的报告即安装成功。
常见问题
Q:pip 安装与克隆源码有什么区别?
A:pip install knowledge-storm 适合直接当库使用;克隆源码则可自行修改 STORM 引擎的行为。
Q:必须用 OpenAI 的模型吗?
A:不强制。v1.1.0 起集成了 litellm,可切换其他语言与嵌入模型;但示例配置默认使用 OPENAI_API_KEY。
Q:检索资料从哪里来?
A:支持 YouRM、BingSearch 等搜索引擎,也可用 VectorRM 基于用户自己提供的文档进行检索。
Q:对 Python 版本有要求吗?
A:README 源码安装示例使用 python=3.11,建议按此版本创建 conda 环境以免依赖冲突。
注意事项
- secrets.toml 含密钥,不要提交到公开仓库。
- STORM 与 Co-STORM 分别使用 STORMWikiRunner 和 CoStormRunner,参数不同请对应参考。
- runner.run 的 do_research、do_generate_outline、do_generate_article、do_polish_article 置 False 可复用已有结果。
- 调用 LLM 与检索服务会产生网络请求和费用,注意控制 top_k 等参数。
核心亮点
- 多智能体协作模拟真实研究流程,报告结构完整
- 自动引用来源,保证内容可追溯
- 支持自定义LLM和检索器,灵活集成到现有工作流
不足之处
- 依赖外部搜索API,可能产生额外成本
- 生成报告质量受限于模型和检索源质量
适用场景
- 学术文献综述初稿生成
- 行业研究报告快速起草
- 技术趋势调研与资料整理
替代项目
AutoGen、LangChain、Haystack
下一篇:ChatKBQA
同类项目推荐
infino
开源
在应用内嵌 Parquet 检索,全文+向量混合搜索开箱即用
Embedded retrieval library built on Parquet. Fast, efficient, and scalable.
album-ai
开源
跟相册聊天,用大白话找照片,AI 自动理解内容
AI-First Album: Chat with your gallery using plain language! LLM Vision + RAG + Albu···
NexusRAG
开源
混合检索+知识图谱+重排序,让AI回答有据可依
Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-enc···
dropbox-ai-chat
开源
用自然语言问 Dropbox,秒回文件里的答案
AI-powered Dropbox search tool for private documents
Qmedia
开源
本地部署多模态搜索,让素材秒变答案
An open-source AI content search engine designed specifically for content creators. ···
Deep-Research-Survey
开源
一张地图看懂AI深度研究领域,快速定位技术与产品
A Systematic Survey of Deep Research
ChatData
开源
自带海量知识库,快速给你的应用加上 RAG 问答能力
ChatData brings RAG to real applications with FREE✨ knowledge bases. Now enjoy yo···
heimdall
开源
纯 CPU 给 AI 装记忆,本地检索不烧显卡
A lightweight CPU only memory approach with ranked retrieval. Simple, yet effective.
quick-start-connectors
开源
一键连接你的数据,快速实现 Cohere RAG 问答
This open-source repository offers reference code for integrating workplace datastor···
