斯坦福 STORM 方法：如何让 Claude 像 PhD 一样做研究——以及它没告诉你的事

大多数人把 Claude 当搜索引擎用。提问、得到答案、关掉标签页。他们把最好的功能一直锁着没用。

收藏一下这篇 :)

斯坦福造了一个叫 STORM 的研究系统。在同行评审（peer reviewed）的测试中，它产出的文章比次优方法组织性高出 25%。它是开源的。它是免费的。几乎没人知道，你可以在 Claude 里用 4 个 prompt 跑通同一套思路。

不需要软件。不需要 GitHub。不需要安装。只要粘贴。5 分钟后，你对某个话题的了解，会超过那些花了好几天读资料的人。

第一阶段：STORM 到底是什么

STORM 全称是 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking（通过检索与多视角提问实现主题大纲的综合）。它由斯坦福 OVAL 实验室发表于 NAACL 2024。

你可以在 storm.genie.stanford.edu 试用在线版。免费，无需注册。输入一个话题，看着它在你面前写出一篇带来源引用的文章。完整代码在 github.com/stanford-oval/storm，MIT 协议。

但真正的奖品在这里：你根本不需要上面这些。斯坦福的方法只是一种思维方式。你可以在 Claude 里用 4 个复制粘贴的 prompt 跑通同样的思维方式。

第二阶段：为什么单个 prompt 永远会失败

当你问 Claude"给我讲讲 X"，你拿到的是多数派观点。最常见的框架。最表层的东西。

你拿不到的是：每天和 X 打交道的实践者；觉得这个领域整个方向错了的怀疑论者；跟着钱走的经济学家；见过这个套路重演的历史学家；真正读过那些研究论文的学者。

这五个声音看到的是完全不同的东西。这正是博士生做的事。他们不是只问一个问题，而是问五个。

斯坦福那篇论文用数字证明了这一点。基于多视角构建的文章，比按常规方式构建的文章，组织性高 25%、覆盖面广 10%。这就是整个突破所在。

一份 PhD 级别的研究，需要一个人读 40 到 60 小时。大多数人挤不出这个时间。STORM 把它压缩了。下面这 4 个 prompt 把它压缩得更狠。总共 5 分钟。

第三阶段：Prompt 1——多视角扫描

这是整套方法的心脏。把它粘进 Claude。把第一行里的主题替换成你的话题。

你得到的回报：对同一个话题的五种截然不同的解读。实践者看到学者忽略的东西。怀疑论者挑战实践者视为理所当然的假设。经济学家揭穿学者无视的激励结构。历史学家提供经济学家看不到的模式。

第四阶段：Prompt 2——矛盾地图

现在让 Claude 找出这 5 个声音在哪里打架。分歧所在之处，就是真正理解所在之处。

第五阶段：Prompt 3——综合

现在让 Claude 把所有东西整合成一份研究简报。你得到的回报：一份没有任何单一专家能写出的简报。它覆盖每个角度，点出矛盾，给可靠性排序，并落脚到一个具体的行动。这是一个博士生要花 48 小时才能产出的东西。你 90 秒就拿到了。

第六阶段：Prompt 4——同行评审

STORM 有一个已知的弱点。斯坦福自己的研究者就指出过：这个系统不会自我批判。信源偏见和事实错配会悄悄溜进来。这个 prompt 通过让 Claude 给自己的工作打分，来修复这个问题。你得到的回报：对你自己研究的一份诚实审视。强论点、弱论点、偏见、遗漏的角度。

第七阶段：5 分钟工作流

总耗时：5 分钟。产出：一份带矛盾分析、综合结论、具体行动和可靠性评分的多视角简报。一个博士生手工产出这个要花 40 到 60 小时。不是因为他们慢，而是因为从 5 个角度阅读、梳理矛盾、综合、再自我批判，对单个人脑来说确实是一项 40 小时的工作。

第八阶段：从今天开始的 7 种用法

1. 写任何文章或报告之前。跑这 4 个 prompt。你的稿子会覆盖到别人想不到的角度。
2. 做重大商业决策之前。拿到全部 5 个视角。实践者告诉你现实中什么行得通。怀疑论者告诉你什么可能出问题。经济学家告诉你谁会获利。
3. 面试之前。5 分钟内从 5 个角度研究这家公司。实践者视角给你行内黑话。怀疑论者视角给你犀利的问题。
4. 投资之前。看多理由、看空理由、历史类比、激励地图、学术证据。矛盾地图告诉你真正的风险藏在哪里。
5. 学一项新技能之前。从 5 个角度测绘这个领域。实践者告诉你先学什么。学者告诉你理论。怀疑论者告诉你什么是被过度炒作的。
6. 谈判之前。从 5 个视角研究对方。理解他们的激励、弱点、历史行为。你带着结构性优势走进去。
7. 做任何演讲之前。对你的话题跑一遍 STORM。你的幻灯片会在观众提出异议之前就先回答了它。

人格设定块（The Persona Block）

你是一个会读书的人。你问尖锐的问题。你不想要一份听起来很聪明、其实什么都没说的 200 字摘要。你想要真正理解事物。快速地。带来源地。像斯坦福研究生那样。而不需要付六年学费。

不那么舒服的真相

斯坦福团队在 2024 年发表了它。论文是同行评审的。代码是开源的。在线工具是免费的。方法就是四个 prompt。然而几乎没人在用。我们正处于一个 18 个月的窗口期。学会正确地用 AI 做研究的人，会在思维上碾压不会的人。不是因为他们更聪明，而是因为他们同时在跑 5 个视角、一张矛盾地图、一次综合、一次同行评审，而其他人还在读 Google 的第一条结果。

18 个月后，这种工作流会被烤进每一个工具里。优势将不复存在。今天，它还是个藏在眼皮底下的秘密。

先说结论

这篇文章的方法是真的有用，但它讲的"STORM"和斯坦福的 STORM 是两个东西。Nav Toor 这篇能拿下 118 万阅读、2600+ 赞，不是偶然。它把一个真正有认知价值的思想（多视角提问）装进了一个教科书级的增长黑客结构里：痛点钩子（"你把最好的功能锁着"）→ 权威背书（斯坦福、同行评审）→ 零门槛承诺（不用装、不用 GitHub、粘贴就行）→ FOMO（18 个月窗口期）→ CTA（收藏、转发、关注）。这个结构本身值得每一个做内容的人拆解学习。

真 STORM vs 4-prompt STORM：差了一个灵魂

STORM 这个名字里的 R = Retrieval（检索），不是装饰，是地基。把斯坦福那套系统拆开，它的运行时模型是这样的：

评论区里技术含金量最高的一条，来自 @jeffweisbein，一刀切中了要害：

这句话为什么致命？因为它戳破了一个身份冒充：5 个"专家"看起来观点各异，但它们背后是同一个权重矩阵。一个模型对某个事实的盲点，会被它扮演的所有角色同时继承。你以为你在听 5 个独立的声音，其实你在听 1 个声音的 5 种口音。这正是评论区 @MadBeachMafia 实测踩到的坑——"在 Opus 4.6 上第一次跑就跑出了一些好笑的（编造的）数字"。

一个数据迁移的谬误

文章反复引用"组织性高 25%、覆盖面广 10%"。这个数字来自 STORM 论文（NAACL 2024，Stanford OVAL），方向上没问题——多视角提问确实能提升文章的结构性和广度。但论文测的是带检索的完整系统，不是裸 prompt。把带 RAG 的系统的成绩，迁移到剥掉 RAG 的 prompt 版本身上，这在逻辑上是偷换。4-prompt 版本的组织性是否也高 25%？没有任何证据。作者用真系统的数据，给了一个阉割版本背书。

一个"沉默的证据"：那 4 个 prompt，正文里其实没给

这是我在抓取原文时最意外的发现。文章 6 张配图，我逐一做了文字识别——没有一张包含 prompt 的实际文本。它们全是概念示意图：

• "STANFORD STORM → Perspectives · Interviews · Outline · Synthesis"（流程图）
• "THE BLIND SPOT PROBLEM / 4 of 10 angles seen. 6 missed."（盲点图）
• "CONTRADICTION MAP / PRACTITIONER · ACADEMIC · SKEPTIC..."（矛盾图）
• "THE 5-MINUTE PROMPT / Phase 1-4 / Paste once. Think better."（总览图）
• "THE WINDOW / NOW ... 18 MONTHS / Today it is still a secret."（时间窗图）

文章核心承诺的是"4 个 copy-paste prompt"，但正文里每个 prompt 的位置都只是一张概念示意图，没有可复制的 prompt 全文。一个声称"5 分钟拿到 4 个现成 prompt"的文章，读者实际拿不到这 4 个 prompt——这件事本身值得在转发之前知道。

但请别把婴儿连同洗澡水一起倒掉

把上面这些批评说完，必须补一句公道话：这套框架作为"思维工具"是真的好。多视角扫描、矛盾地图、综合、自我批判——这四步作为"强迫自己跳出默认框架思考"的认知脚手架，价值是实打实的。问题只出在它被包装成"研究"（research）这个词上。

更诚实的命名应该是："多视角头脑风暴 + 自我审计"，而不是"像 PhD 一样做研究"。PhD 研究的核心是原创性和真实文献综述，而这两样恰好是去检索化的 prompt 版本给不了的。

如果你想要真正的 STORM 体验，有三条路，按 fidelity（保真度）排序：