夜雨聆风
很多人第一次用 AI 写长文，都会经历一个相似的过程：刚开始很惊艳，标题像样，开头顺滑，分段也整齐；可读到中后段，就会发现它在绕圈。观点看似丰富，其实没有推进；资料看似很多，其实只是堆叠；整篇文章像一个会说话的人，但不像一个真的研究过问题的人。这就很像我读卢克文的文章，典型的羊肉串式的风格。
我们常说这是“AI 味”，什么是AI味？或许AI 味不只是措辞问题。它更深层的来源，是文章缺少真正的研究过程。最近看过的一篇Stanford OVAL 的论文 《Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models》提出的 “STORM”，正好切中了这一点：长文写作的关键，不是让模型更会写，而是让模型在写之前先学会研究。
STORM 的全称是 “Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking”。翻译得直白一点，就是通过检索、多视角提问和资料综合，先生成一个高质量大纲，再写长文。这件事听起来并不复杂，但它击中了 AI 写作里最容易被忽略的问题。
一、好文章不是从写作开始的
我们人写一篇有深度的长文章，通常不是打开文档就开始输出。真正耗时间的部分，往往发生在动笔之前：构思选题搭框架，查资料收集信息、判断信息源是否可靠等等，这就是写作经常踢到的“预写作”阶段。 STORM 的理论起点就在这里。它把长文生成拆成两个阶段：第一段是预写作，负责研究主题、收集资料、形成大纲；第二段才是写作，根据大纲和资料生成文章。这看起来只是流程拆分，但意义很大，因为大多数 RAG 写作系统的问题，恰恰在于它把信息的“检索”误当成了“研究”。
搜索一些网页，不等于理解一个主题；把资料塞进上下文，不等于形成文章结构；让模型带引用写作，也不等于它真的知道每条信息该放在哪里。STORM 想解决的不是“怎么写得更流畅”，而是“怎么在写之前知道该写什么”。
二、为什么“视角”比“提示词”更重要
STORM 这套框架最有关键的地方，是它不让模型直接列问题。因为直接列问题，很容易变成常识问答。你给一个主题，模型通常会问：是什么、什么时候发生、在哪里发生、有什么影响。这些问题不是没用，但很浅。
我们人类研究一个主题时，真正让问题变深的，往往是视角。文章里面例到同样研究一个音乐节，观众会关心体验，主办方会关心预算和组织，城市管理者会关心交通和安全，组织者会关心赞助和收入。视角不同，问题就不同；问题不同，搜到的资料也不同；资料不同，最后文章的结构和深度也会不同。
这就是 STORM 的第一层理论逻辑：“多视角带来多样化问题，多样化问题带来更完整的信息覆盖。” 它会先查找与目标主题相似的维基文章，分析这些文章的目录，再让模型根据这些目录总结出若干个适合研究该主题的视角。然后，每个视角都变成一个“虚拟作者”，分别去提问。
三、真正的研究，是被答案不断改变问题
STORM 框架的第二个关键设计，是多轮对话。它不是让模型一次性问完 30 个问题，而是让“作者”和“专家”对话：作者提出一个问题，专家基于可信互联网资料回答；作者读完答案后，再继续追问。
这件事听起来简单，但它很接近真实人类的研究状态。很多好问题，一开始是问不出来的。你必须先读到一些真实信息，才会发现里面的矛盾、不足和线索。一个答案不是终点，而是下一个问题的入口。
这也是为什么普通 AI 长文经常显得“平”。它有知识，但缺少被资料推动的过程；它会总结，但没有经历过追问；它能把信息排整齐展现出来，却不一定知道哪里值得深挖。STORM 的多轮对话，实际上是在模拟一种研究中的认知循环：提出问题，检索资料，综合答案，发现新线索，然后继续追问。这套循环，比单次检索更接近人的研究方式。
四、大纲不是形式，而是理解的骨架
这个框架里还有一个很关键的环节：大纲。
论文专门评估了大纲质量，而且发现了一件事：如果去掉大纲阶段，直接把研究问题和对话资料丢给模型，让它写完整文章，效果会明显变差。这其实很符合我们自己的写作经验。人在面对大量资料时，最容易出问题的地方，往往不是“不知道写什么”，而是“什么都想写”。模型也是一样。信息越多，就越需要结构来约束。没有结构，材料之间就会互相抢位置，最后文章很容易变成资料拼贴，看起来什么都有，但读起来很散，像一串内容羊肉串。
STORM 的处理方式是：先让模型根据已有知识生成一个粗略大纲，再把多视角问答得到的信息交给模型，最后让模型根据这些新信息修订大纲。这个设计很有意思。模型自己的知识，负责先搭一个大体框架；外部检索来的资料，负责补充这个主题里的具体内容。前者提供稳定性，后者提供新信息。也就是说，STORM 既不是完全相信模型自己瞎写，也不是把搜索结果简单堆进去，而是让模型知识和外部资料互相校正。
五、STORM 真正超过 RAG 的地方
普通 RAG 的思路比较直接：先把相关资料搜出来，再让模型基于资料写答案。STORM 的思路要多一步：它不是一上来就搜，而是先判断这个主题应该从哪些角度去问，再围绕这些问题检索资料，继续追问，最后再整理大纲、进入写作。差别就在这里。RAG 主要解决的是“模型不知道外部事实”的问题；STORM 想解决的是另一个问题：模型不知道该怎么研究一个主题。前者是补知识，后者是搭研究过程。
如果只是查一个具体事实，RAG 已经很好用。但如果要写一篇接近维基百科长度和信息密度的文章，光有资料远远不够。你还得知道哪些内容必须写，哪些内容可以略过，材料之间怎么组织，哪些关系不能随便建立，哪些来源还需要再核查。论文里的实验也说明了这一点。 研究者请了 10 位有经验的维基百科编辑，对比 STORM 和当时最强的基线方法 oRAG 生成的文章。结果显示，STORM 写出来的文章在结构和覆盖面上都更好。其中，被认为“组织良好”的文章比例比 oRAG 高 25%，被认为“覆盖充分”的比例高 10%。
不过，论文也说得很清楚：即使用了 STORM，生成文章的质量仍然比不上经过充分修改的人类文章。STORM 会引用资料来源，但引用了来源，不代表文章就完全可靠。作者发现了两个比较典型的问题。
第一个问题是语气和立场会被带进去。网上的资料并不总是中立的，很多内容本身就带有宣传口吻、情绪词，或者某种隐含立场。模型在综合资料时，可能会把这种语气也一起带进文章里。于是文章虽然看起来有来源，但读起来不像百科，更像一篇宣传稿。第二个问题更麻烦：模型可能会过度关联。也就是说，它没有编造事实，两个事实本身可能都是真的，但它会把它们强行连在一起，写出一种原资料并没有明确支持的关系。
这类问题比单纯的“事实有没有错”更难查。因为很多误导不是来自假事实，而是来自错误连接。一个事实是真的，另一个事实也是真的，但它们放在一起，不一定能推出文章暗示的结论。所以，STORM 的意义不只是提出了一种更好的写作流程，也暴露了 AI 写作接下来真正难解决的问题：未来不能只做事实核查，还要做关系核查、语气核查和立场核查。
六、SKILL实现STORM方式写作
这篇文章写于 2024 年。那时，人类与 AI 的互动基本还停留在 Prompt 时代：大家总希望写出一句足够完美的提示词，让模型一次性生成理想结果。但复杂任务很难靠一句话解决，长文写作尤其如此。它并不是“输入一个主题，输出一篇文章”这么简单，而是包含选题、研究、提问、检索、筛选、结构化、写作、核查和修订等多个环节。STORM 的价值正在于，它把这些原本隐藏在写作过程中的步骤显性化了。
而到了今天，Skill 已经可以在很大程度上承接这类复杂流程。它不再依赖单一 Prompt，而是让 AI 按照一套相对完整的工作路径去执行任务：从前期研究、提出问题，到资料整理、结构搭建，再到写作、核查和修改。一个好的写作 Skill，不应该只是把几句提示词打包起来，而应该是一套稳定的认知流程设计：先问哪些问题，如何查找资料，怎样判断视角是否充分，什么时候生成大纲，什么时候进入写作，什么时候必须回到事实核查。
基于这篇论文我写了一个Skill，可以明显的看到调用这个SKILL写的文章质量很高。让他对中国少子化现象进行研究，给出了一篇15000字的维基百科式的文章。
