YT 学习笔记

用Stanford STORM法把Claude炼成博士级研究团队

22分钟阅读下载 MD

封面

Nate Herk · 12:05 · 发布 2026-06-29 · 4.9万次观看(截至抓取) · 观看原视频

主旨

把 Stanford 同行评审证实过的 STORM 研究法打包成一个 Claude skill,用五个对抗性视角加逐条溯源核验,把单次 prompt 的研究盲点系统性地找出来。

核心论点

  1. STORM 用五个互相博弈的视角替代单一 prompt,系统性地填补研究盲点。(→ 详解1)
  2. 同等甚至更低成本下,STORM 产出报告的证据质量、来源多样性和可执行性都优于 Claude Code 原生 Deep Research 的”并发大力出奇迹”。(→ 详解2)
  3. STORM 本质是把”五视角研究→矛盾映射→综合→对抗性核验”四步 prompt 链固化成一个可复用 skill,而非发明新的模型能力。(→ 详解3)
  4. Subagent 只对主会话单向汇报、彼此不能通信;Agent Team 里的成员可以互相辩论直到收敛,这是两种编排范式的根本分野。(→ 详解5)
  5. 这个 skill 真正值得借鉴的不是 Stanford 这一份具体配方,而是”没有专业背景就去借专家视角、主动找自己盲点”的可迁移方法论。(→ 详解6)

知识点详解

1. STORM 是什么:五视角设计的动机与产出 00:02

STORM 是 STORM 研究法 的缩写,源自 Stanford 一项同行评审证实过的研究方法:相比传统”大纲驱动检索”基线,STORM 生成的长文在”组织性”上高出 25%。作者把这套原理封装成自己的 Claude skill,免费提供给观众。

它的产出是一份自包含的 HTML 简报:顶部是 60 秒摘要与关键发现,每条发现都标注可靠性等级(例如”高,9/10”),并注明是被哪些视角支持、被哪些视角挑战;底部列出每条引用的信源状态(确认/更正/降级)。

设计动机很直接:如果只给 Claude 发一条 prompt,单一视角的研究必然存在盲点。STORM 因此虚拟出五个专业身份——practitioner(实践者)、academic(学者)、skeptic(怀疑者)、economist(经济学家)、historian(历史学家)——让每个角度去发现其他角度会漏掉的洞。这种”角色扮演式”的多重人格设定,本质上是借专业分工来对冲单一视角的认知死角。

2. STORM vs Claude Code 原生 Deep Research 02:38

Claude Code 原生自带一个 Deep Research 功能,靠 dynamic workflow 一次性在后台并发跑出上百个 agent(视频示例中跑了 103 个)。它的产出只是一份 markdown 文件,来源偏少(仅两个已确认信源,其余待确认),且遇到大量并发时容易撞上 API 限流。

作者把同一条 Deep Research 用过的 prompt 原样丢进 STORM skill 做对照。STORM 全程只跑了约 12 个 agent(五视角+六个核验 agent),却被作者调出的另一个模型(Codex)判定在证据质量、来源多样性、论点强度、可执行性、风险控制、内容适配六项上全面胜出,而且更快、成本更低。

这组对比的价值不在于”STORM 一定比原生功能好”,而在于揭示了一个反直觉的事实:研究报告的质量不完全取决于并发 agent 的数量,精心设计的少量对抗性视角加上逐条核验,可能比大规模无差别并发更划算。

3. 四步流水线与如何拿到 / 安装这个 skill 03:21 05:35 05:47

STORM 本质上是四条 prompt 依次串联:第一条 prompt 让 Claude 跑出五个视角对同一个研究主题分别下场;第二条是 矛盾映射(Contradiction Map),让五个视角互相分析对方的输出,标出哪里有分歧、谁的证据更硬更弱;第三条把这些结果综合成一份统一的 HTML 报告;第四条做 溯源核验,逐条把报告里的引用回查原始信源,判定确认、更正或降级。

作者说,他先把这四步当作独立 prompt 手动跑通,确认效果后才打包成一个 skill,这样每次只需给一个主题,就能自动跑完整条链路并输出一份格式统一的 HTML 报告。这也印证了 skill 本质上”就是一个 prompt”——一个足够完整、把整条工作流写死的 master prompt,调用时原样注入执行。

拿到 skill 的方式很简单:作者把 skill.md 和配套的 HTML 报告模板放进自己免费的社区供下载,拿到后把这两个文件丢给 Claude,让它放进项目的 .claude 文件夹即可生效。要注意的是,skill 必须放在对应 agent 认的目录里(Claude 认 .claude,Codex 认 .codex),同一份 skill 内容可以适配多个编码 agent,只是目录名不同。

4. 实机演示:对 voice AI agents 跑一次 STORM 07:32 08:08

作者在 Claude 桌面版里直接说”帮我跑一次 storm research,主题是 voice AI agents”,没有用 slash command,skill 依然被正确调用。因为主题给得不够具体,Claude 先反问了几个澄清问题,确认读者画像(一位正在判断 voice AI agents 是否值得做一期视频的 AI 教育者)之后才正式启动流水线。

流水线启动后,五个视角 agent 并行展开:点开经济学家视角能看到主会话派给它的具体 prompt,以及它正在联网检索、调用工具的过程;学者视角同理。这个可视化过程直观展示了 STORM 内部其实就是一组 Subagent 在跑,且默认全部跑在 Opus 4.8 上——如果想省钱,也可以手动指定用 Haiku 或 Sonnet 跑这些子任务。

五个视角全部完成后,流水线自动进入矛盾映射与最终的引用核验阶段,产出一份带版本号(V2)的 HTML 报告,底部同样标注了每条引用被确认、更正还是降级。

5. Subagent 与 Agent Team 的关键区别 08:45 09:20

借着 STORM 内部跑的五个视角,作者顺带解释了两个容易混淆的编排概念。Subagent 模式下只有一个主会话,五个视角各自对主会话汇报,但彼此之间不能直接通信——这正是本片里 STORM 采用的模式。

Agent Teams 则不同:团队里的成员不仅能对主会话汇报,还能相互对话。作者提到自己在需要为某个决策做取舍时,会专门用 agent team 让不同角色互相辩论,直到吵出某种共识。但 agent team 的运行成本明显高于 subagent,这也是 STORM 选择用 subagent 而非 agent team 来实现五视角的现实原因。

6. 收尾建议:借视角而非照搬方法 11:18 11:30

作者建议观众拿到 skill 后先在自己真正懂行的主题上跑一遍,读完报告后判断哪里需要改——报告模板的样式、视角的数量与身份都可以自定义。他自己举例说,如果服务的是 AI 初学者,或许该给 STORM 加一个”初学者”或”内容创作者”视角。

作者反复强调,这期视频真正想传达的不是”Stanford 这一份五视角配方就是万能答案”,而是背后可迁移的思路:研究时视角越多、越彼此矛盾,得到的结论就越全面。更根本地说,是”如果自己不具备某个领域的专业背景,就想办法借来这份专业能力”,用 agent 造出一批各有专长的虚拟专家,替自己填补认知盲区。

可执行步骤

  • 明确一个自己真正懂的研究主题,先手动分四步走一遍:分视角研究→矛盾映射→综合→逐条核验引用,验证流程本身有没有价值。
  • 把流程固化成一份 skill(master prompt),放进对应编码 agent 认的目录(如 .claude)。
  • 根据自己的业务场景增删视角(如加”初学者""内容创作者”角色),而不是照搬默认的五个身份。
  • 对比同一个研究主题分别用 Deep Research 类”大并发”功能与自定义多视角 skill 跑一遍,比较来源质量与成本。

关联

  • 印证:Subagent 与 Agent Teams 的边界定义——“主会话对 subagent 单向汇报、subagent 互不通信;agent team 成员可互相对话辩论”——与本片对两者的区分完全一致。
  • 印证:Deep Research(见 2026-07-02-Fable5五个高杠杆用例)“Claude Code 内多步自主调研并产出结构化报告”的定义在本片被进一步验证,同时暴露出其大并发下易被限流、来源单薄的局限。
  • 印证:Fan-out Fan-in 的”先并行 spawn 多个 subagent、再汇总到 synthesizer”模式与 STORM”五视角并行研究→综合”阶段高度吻合。
  • 对比:随机共识 是”N 个 agent 独立各出解、按众数归并共识”,而 STORM 的五视角是刻意设计成不同专业身份、故意制造分歧再显性化矛盾,追求互补而非重复的多样性,两者路数不同。

一手来源与延伸

术语

  • STORM(Synthesis of Topic Outlines through Retrieval and Multi-perspective questioning,Stanford 提出的多视角研究写作方法)
  • Contradiction Map(矛盾映射,让多个视角互相分析彼此证据强弱、标出分歧点的中间步骤)
  • lens / perspective(视角,STORM 里虚拟出的专业身份,如 practitioner、academic、skeptic)
  • dynamic workflow(Claude Code 原生 Deep Research 功能背后并发调度大量 agent 的机制)
  • skill.md(打包一条完整 master prompt 及其触发规则的技能定义文件)

价值定位

适合已经在用 Claude Code / subagent 做研究或内容调研的人:视频给出一份可直接落地的免费 skill,并清晰演示了”多视角+矛盾映射+溯源核验”这套可迁移的研究设计思路,认知与实操价值兼具。对完全没接触过 skill / subagent 机制的初学者,需要先补一点 Claude Code 定制扩展的基础知识才能顺利上手。

立场与利益

作者把 skill.md 与 HTML 报告模板放在自己经营的免费 School 社区里供下载,视频里多次引导观众”去社区领取资源”,属于典型的免费资源换取社区流量的轻度导流,并非直接卖课或卖工具。

自检问题

  1. STORM 为什么要设计五个不同角色,而不是让 Claude 直接生成一份研究报告? 答案:单一 prompt 研究会产生系统性盲点,不同专业背景的角色能各自发现彼此忽略的漏洞,这是 STORM 设计五视角的核心动机(详解1)。01:03
  2. 视频里报告中的每条”关键发现”是如何标注可信度的? 答案:每条发现都被标注可靠性等级(如”高,9/10”),并注明是被哪些视角支持、被哪些视角挑战(详解2)。02:38
  3. STORM 完整流水线的四步 prompt 依次是什么? 答案:五视角分头研究 → 矛盾映射(找分歧与证据强弱)→ 综合成统一 HTML 报告 → 对抗性核验并逐条溯源引用(详解3)。05:47
  4. Subagent 与 Agent Team 的根本区别是什么? 答案:Subagent 只能单向对主会话汇报、彼此不能通信;Agent Team 里的成员可以互相对话甚至辩论直到达成共识(详解5)。08:45
  5. 视频作者对这个 skill 给出的最终建议核心是什么? 答案:不是照搬 Stanford 这一份具体的五视角配方,而是学会”没有专业背景时借专家视角、主动找盲点”这套可迁移方法论,并可自行增删视角(详解6)。11:18

💬 热门评论 top-16 主 + 4 回(抓取 2026-07-07)

[3] @andrewdempsey5312:我的团队将这种方法应用于科研和资金申请评审流程。首先，我们将提案并行传递给N个角色代理进行独立反馈，然后进入“圆桌讨论”，N个角色代理审查提案和所有反馈，并提供额外评论。圆桌讨论后，一个主席角色代理将所有反馈总结成报告，返回给提案团队。下一步是将圆桌讨论从轮询形式改为允许代理之间进行几轮辩论。也许是圆桌讨论、直接辩论两次、圆桌讨论、总结。 👍 2 [4] @dinzilab:谢谢，Nate！作为一个小实验，我尝试在Codex中创建这个技能，它自动将Claude特定的Markdown调整为Codex的措辞，同时保持STORM工作流程不变。正在测试中，目前看起来运行良好。 👍 6   ↪ @MrPathorock:不错，我喜欢Codex。 [6] @Lschick:非常有用的视频。我用这个技能来增强我在工作中的项目。我还用Claude更新了这个技能，让它有点像这个和/Roast的混合体。前提是我把STORM团队变成了一个C级高管委员会，我要向他们展示。每个代理都是不同利益的高管。让它返回最大的优势、劣势、我需要回答的问题，以及项目继续的可能性评分。它帮我找到了差距，并构建了将要被问到的问题的答案。非常有帮助！ [9] @Snowy-Owl-Retired:我刚刚用STORM审查了我的专利律师准备的专利申请，它发现了关键缺陷。谢谢分享。 [16] @RobertJohnLora:太有趣了。我想知道如果它生成代理团队而不是单独的子代理会不会更有趣？🤔 今天早上看看这个技能，谢谢分享，老兄。该死，算了，你在视频结尾已经提到了哈哈。 ——其他 10 条:感谢/夸赞([2]@tswen24、[5]@bankableAI、[7]@Drewww71、[8]@hillelscheinfeld4475、[10]@AItoIndependence、[11]@genos.20、[12]@JodyMurfit-Constructionxai、[13]@hoangtungai.official、[14]@XBMotivates、[15]@cashisconversationcorner);1 条 spam 已略

英文原文[1] @nateherk(UP):FREE MONTH voice to text: https://get.glaido.com/nate All my FREE resources: https://www.skool.com/ai-automation-society/about?el=storm-research&hcategory=youtube-videos&utm_campaign=free-group 👍 3
  ↪ @gunnarbjorn2664:King
[2] @tswen24:To start off, I've never commented on any video since I've been on YouTube in 2006. Your information is easy to digest with active learning and not overhyped like all the other AI videos. You are straight to the point with a solid foundation in education. Keep on doing what you're doing. 👍 28
  ↪ @nateherk(UP):That means a lot, thank you for the kind words! 👍 2
  ↪ @DecadantHandshake:Wow, claude’s posts are getting better and better. 👍 1
[3] @andrewdempsey5312:My team implemented this approach for a scientific research and funding proposal review workflow. First we pass the proposal to N persona agents in parallel for independent feedback, which then carries into a “round table discussion “ where the N persona agents review the proposal and all the feedback so far, and provide additional commentary. After the round table, a chair person persona then summarizes all the feedback into a report that goes back to the proposal team. The next step is to take the round table from round-robin format, to allowing for a few rounds of debate between agents. Maybe round table, direct debate x 2, round table, summarize 👍 2
[4] @dinzilab:Thanks, Nate! As a side experiment, I tried creating the skill in Codex, and it automatically adapted the Markdown from Claude-specific wording to Codex wording while keeping the STORM workflow intact. Testing it as we speak, seems to be working fine so far. 👍 6
  ↪ @MrPathorock:That's good. I like codex
[5] @bankableAI:Was going to say there's a black screen but I see it's already been pointed out. Regardless, thanks for the resource! I would never have thought that the STORM research method consumes fewer tokens! 👍 3
[6] @Lschick:Very useful video. I used this skill to help augment a project I am doing at work. I also used CLaude to update this skill to give me kind of a hybrid of this with /Roast. Premise is I made the Strom team a C-Level Executive board that I am presenting this to. Each agent was a different executive coming at it from their interests. Asked it to come back with biggest strengths, weaknesses, questions that I need to answer, and a score of how likely it is to proceed. It helped me find my gaps and build answers to the questions I am going to be asked. Extremely helpful!
[7] @Drewww71:You are an excellent teacher Nate. You have an empathetic approach and are not overbearing. Thank you for sharing your skills!
[8] @hillelscheinfeld4475:Thanks Nate! I used your prompt as a template and asked claude to turn it into a analyst skill instead of research for a fund i am building for affordable housing. Love your content and still learning. Thank you for all you do!
[9] @Snowy-Owl-Retired:I just used STORM to review my patent application prepared by an IP attorney and it found critical flaws. Thanks for sharing.
[10] @AItoIndependence:I been did this, I call it council mode where my agents debate over the best path for any project. A debate engine with moderator. Dude your awesome I love your info, you validate my projects.
[11] @genos.20:Hey Nate, First things first I am really grateful for your content. You have changed the way that I use LLMs. Before I used to use ChatGPT but I'm switching to Claude and I really want to implement most of the stuff you teach. I am planning to go through all the content that you have posted in your AI school. I was also hoping, if possible, could you show all the settings like you have done for Claude for VS Code, where you use your Claude Code and Codex, your Obsidian, and even your AIOS? I was wondering if you could create one big video where you go through: - Okay so I have done this. - This is the reason I have done this. - How do I do this? - Why do I do this? That would be really really really helpful. Thank you and have a great day and I wish you all the prosperity in the world.
[12] @JodyMurfit-Constructionxai:Awesome @Nate Herk, thank you added to my workspace 🔥🔥🔥
[13] @hoangtungai.official:Thanks, Nate! Your AI research tutorial was incredibly helpful. Really appreciate you sharing your knowledge with the community! 🙏
[14] @XBMotivates:So powerful. Thanks, Nate!
[15] @cashisconversationcorner:Future Nate! This is some great information. I love that each skill can be customized to work with your stack. Iv been building a team system that will use this setup! Thank you sir!
[16] @RobertJohnLora:So interesting. I wonder if this would be a bit more interesting if it spawned agent teams instead of separate subagents? 🤔 checking this skill out this morning, thanks for sharing man Damnit nevermind you covered this at the end of the video haha

关系图谱

反向链接