兩個用于科研的開源 AI Agent，改變知識研究的方式
想象一下，如果可以讓愛因斯坦、埃隆·馬斯克、費曼、史蒂夫·喬布斯、簡·古道爾和尤瓦爾·諾亞·赫拉利和你一起合作共同研究并編寫研究報告，這是一種什么感受？
我們每天產生的信息比過去一年產生的信息還要多，假如研究人員想在一個小時內訪問一萬個網站、研究分析數據、并編寫報告，這實際上是不可能的。如今，隨著AI 大模型技術的發展，使用AI Agent卻可以輕松地做到這一點。這將改變做研究、寫報告的工作方式。
AI Agent能夠提高知識研究的工作效率，主要是因為：AI Agent可以處理大量的知識，發現人類可能錯過的細節，并且能夠快速產生結論。另外，Ai Agent可結合使用檢索增強生成（RAG）技術，可以直接從研究機構可信的數據來源提取信息，以保持信息準確性、專業性。
下面是找到的兩個值得推薦的知識管理AI Agent開源項目，適合做研究、寫報告，由于項目涉及大模型服務，如果具備開發基礎也可以進行自適應改造，使用本地大模型或者國產大模型。
1. STORM
https://github.com/stanford-oval/storm
Storm是一個由斯坦福大學開源的人工智能驅動的知識管理系統，旨在從零開始生成全面的、類似維基百科的文章。
Storm利用大型語言模型（LLM），通過進行基于互聯網的研究，將信息組織成結構化的大綱，并生成完整的引用文章，從而實現研究和寫作過程的自動化。
其工作原理如下：
STORM將生成帶有引用的長文章分為兩個步驟：
- 寫作前階段：該系統進行基于互聯網的研究，以收集參考資料并編寫大綱。
- 寫作階段：系統使用大綱和參考文獻生成帶有引用的完整文章。
STORM將研究過程自動化的核心是“自動提出優化后的提示詞”。由于人類給語言模型提出問題可能并不能很好地驅動大模型工作。
為了提高問題的深度和廣度，STORM采用了兩種策略：
- 觀點引導提問：給定輸入主題，STORM通過調查類似主題的現有文章來發現不同的觀點，并使用它們來控制提問過程。
- 模擬對話：STORM模擬維基百科作者和基于互聯網資源的主題專家之間的對話，使語言模型能夠更新對主題的理解并提出后續問題。
2. GPT Researcher
https://github.com/assafelovic/gpt-researcher
GPT Researcher是一個自治AI代理，旨在利用網絡和本地資源對任何給定的任務進行全面的研究。
它能夠生成詳細、真實并且公正的報告，并附有引文，開源項目提供了全套可定制選項，以支持創建量身定制的特定領域研究代理。
其核心思想是利用“計劃者”和“執行者”代理。規劃者生成研究問題，而執行代理則收集相關信息。最后，發布者將所有調查結果匯總成一份綜合報告。
執行步驟為：
- 基于研究查詢創建特定于任務的代理。
- 提出問題，共同形成對任務的客觀見解。
- 使用爬蟲代理收集每個問題的信息。
- 總結并追蹤每種資源。
- 將摘要過濾并匯總到最終研究報告中。
