Trải nghiệm khi dùng STORM và Co-STORM
Nếu chỉ tò mò, bạn vào trang thử nghiệm storm.genie.stanford.edu của nhóm nghiên cứu, nhập một chủ đề và xem hệ thống tìm tài liệu rồi viết bài. README ghi rằng đã có hơn 70.000 người dùng thử bản preview này; hãy coi nó là bản nghiên cứu chứ không phải sản phẩm thương mại.
Nếu muốn tự chạy, bạn cài thư viện Python knowledge-storm, chọn mô hình ngôn ngữ (qua litellm nên hỗ trợ khá nhiều hãng), chọn công cụ tìm kiếm như Bing, You.com, Tavily, DuckDuckGo hay SearXNG rồi viết vài dòng Python để gọi hệ thống. Hệ thống chạy theo các bước: nghiên cứu, lập dàn ý, viết bài, rồi trau chuốt.
Điểm đặc biệt là STORM không chỉ bảo mô hình viết ngay. Nó tìm nhiều góc nhìn về chủ đề, giả lập cuộc trò chuyện giữa người viết và chuyên gia để đặt câu hỏi, và chỉ sau đó mới viết. Tác giả nói rõ bài sinh ra chưa thể đăng ngay mà cần chỉnh sửa nhiều, nhưng biên tập viên Wikipedia thấy hữu ích ở giai đoạn chuẩn bị viết.
Tính năng nổi bật
Tự nghiên cứu rồi viết bài dài
Tìm tài liệu trên web, lập dàn ý và viết thành bài có trích dẫn nguồn, theo hai giai đoạn trước khi viết và viết.
Đặt câu hỏi từ nhiều góc nhìn
Khám phá các góc nhìn khác nhau về chủ đề và giả lập hội thoại với chuyên gia để câu hỏi sâu hơn.
Co-STORM cho người cùng tham gia
Bạn có thể quan sát hoặc chen vào cuộc thảo luận giữa các tác tử AI, có sơ đồ tư duy (mind map) theo dõi thông tin.
Linh hoạt chọn mô hình và công cụ tìm
Hỗ trợ mô hình qua litellm và nhiều công cụ tìm như Bing, Brave, Tavily, DuckDuckGo, SearXNG, Azure AI Search, hoặc tài liệu riêng của bạn (VectorRM).
Giao diện demo nhẹ
Có bản demo tối giản bằng Streamlit để lập trình viên thử trên máy.
Tận dụng STORM và Co-STORM vào việc gì?
Sinh viên, người làm nội dung
Lập bản nháp tổng quan một chủ đề lạ
Cần nắm nhanh một lĩnh vực mới trước khi viết bài, STORM cho bản khung có nguồn để bạn kiểm tra và viết lại.
Biên tập viên, blogger
Chuẩn bị tư liệu cho bài viết dài
Dùng dàn ý và danh sách nguồn mà hệ thống tìm được làm điểm xuất phát, sau đó tự chỉnh nội dung.
Lập trình viên, nhà nghiên cứu
Nghiên cứu thuật toán nghiên cứu AI
Mã nguồn module hoá bằng dspy, phù hợp để thử thay mô hình, công cụ tìm hay thay quy trình.
Người thích tự học
Khám phá chủ đề cùng AI
Dùng Co-STORM để vừa đọc cuộc thảo luận, vừa hỏi chen vào những điểm bạn còn thắc mắc.
Cần chuẩn bị gì?
- Python (README dùng ví dụ conda với Python 3.11) và quen dùng dòng lệnh.
- API key của mô hình ngôn ngữ bạn chọn, ví dụ OpenAI, và của công cụ tìm kiếm (ví dụ You.com, Bing, Tavily) nếu công cụ đó yêu cầu.
- Kết nối Internet để tìm tài liệu.
Hướng dẫn cài đặt chi tiết
Cài trên pip
Cài thư viện từ PyPI (nên tạo môi trường ảo trước).
python -m venv .venv .venv\Scripts\activate pip install knowledge-stormTrên macOS hoặc Linux, kích hoạt môi trường ảo bằng source thay cho lệnh Scripts ở trên.
python -m venv .venv source .venv/bin/activate pip install knowledge-storm
Cài trên Từ mã nguồn
Tải mã nguồn nếu bạn muốn sửa trực tiếp engine.
git clone https://github.com/stanford-oval/storm.git cd stormTạo môi trường conda với Python 3.11 và cài các gói cần thiết theo README.
conda create -n storm python=3.11 conda activate storm pip install -r requirements.txt
Cài trên Bản thử trực tuyến
Không cần cài đặt, thử bản nghiên cứu của nhóm Stanford.
https://storm.genie.stanford.edu/
Dùng thử lần đầu
Đặt các API key cần thiết (mô hình và công cụ tìm kiếm) vào biến môi trường, ví dụ OPENAI_API_KEY và khoá của công cụ tìm.
Làm theo ví dụ trong README: cấu hình STORMWikiLMConfigs cho từng thành phần, tạo STORMWikiRunner với công cụ tìm kiếm bạn chọn.
Gọi hàm run với chủ đề muốn nghiên cứu, bật các bước tìm tài liệu, lập dàn ý, viết bài và trau chuốt.
topic = input('Topic: ') runner.run(topic=topic, do_research=True, do_generate_outline=True, do_generate_article=True, do_polish_article=True) runner.post_run() runner.summary()Mở thư mục kết quả để đọc dàn ý, bài viết và danh sách nguồn, rồi kiểm tra từng nguồn trước khi dùng.
Mẹo dùng hay
- README gợi ý dùng mô hình rẻ hơn cho các bước giả lập hội thoại và mô hình mạnh hơn cho viết bài để cân bằng chi phí và chất lượng.
- Cho STORM đọc tài liệu riêng của bạn bằng VectorRM nếu muốn bài dựa trên nguồn nội bộ thay vì chỉ web.
- Hãy thử bản preview trước khi tốn công cài để biết kết quả có hợp nhu cầu không.
Lưu ý và hạn chế
- Tác giả nói rõ bài sinh ra chưa thể đăng ngay và thường cần chỉnh sửa nhiều; phải tự kiểm chứng nguồn và nội dung, vì AI có thể diễn giải sai.
- Repo cập nhật gần nhất vào cuối năm 2025 theo dữ liệu danh sách, nên một số phần có thể không theo kịp phiên bản mới của mô hình và công cụ tìm.
- Cần biết lập trình Python để dùng bản tự cài; mỗi lần chạy sẽ tốn phí API mô hình và công cụ tìm kiếm.
Câu hỏi thường gặp
STORM có miễn phí không?
Mã nguồn dùng giấy phép MIT và bản preview của Stanford dùng thử được. Khi tự chạy bằng API, bạn trả phí cho hãng mô hình và công cụ tìm kiếm.
Có viết được bài tiếng Việt không?
README không nói về tiếng Việt. Kết quả phụ thuộc mô hình và nguồn tìm kiếm bạn chọn; hãy thử với một chủ đề nhỏ trước.
Có thay thế người viết không?
Không. Tác giả khẳng định đây là công cụ hỗ trợ giai đoạn chuẩn bị, bài sinh ra cần người chỉnh sửa trước khi công bố.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/stanford-oval/storm.gitRepo tương tự nên xem
GPT Researcher
assafelovic / gpt-researcher
Tác tử AI nghiên cứu sâu: tự tìm hàng chục nguồn trên web hoặc tài liệu của bạn rồi viết báo cáo có trích dẫn
Vane (trước đây là Perplexica)
ItzCrazyKns / Vane
Công cụ trả lời có dẫn nguồn kiểu Perplexity, tự cài trên máy mình và dùng được mô hình Ollama
Khoj
khoj-ai / khoj
Trợ lý AI cá nhân hỏi đáp trên tài liệu của bạn và cả web, tự cài được hoặc dùng bản cloud