当你把一个重要话题扔给Claude或任何大模型只给一句提示时你得到的是一个视角的输出。它可能逻辑清晰、语言流畅但总会留下一些你自己都意识不到的盲区某个关键假设没被挑战某个利益相关方的视角被忽略某个数据来源没被严格核实。Nate Herk把Stanford的STORM研究方法做成了免费的Claude技能直接把这个短板变成了可落地的系统。他用五个不同背景的Agent并行审视同一个话题再用六个验证Agent逐一核对事实最终输出一份结构一致、可靠性可追溯的HTML简报。我在测试中发现这个流程不是简单“多跑几次prompt”而是通过显式角色分工 矛盾映射 独立验证把研究质量从“看起来不错”提升到“经得起第三方模型横向对比”。为什么单一提示总会漏掉关键维度起初我以为只要把提示写得更详细、要求“从多个角度思考”模型就能自己补全。但实际跑下来会发现模型的默认视角往往偏向“信息提供者”或“技术实现者”而忽略了真正使用这个研究结果的人从业者、支付成本的人经济学家、历史脉络历史学家、以及故意挑刺的人怀疑论者。STORM的五个镜头正是针对这些常见盲区设计的Practitioner从业者只关心“什么在真实环境中能跑通”Academic学者只关心“证据链条是否严谨”Skeptic怀疑论者专门找漏洞和反例Economist经济学家追踪资金流向和激励机制Historian历史学家看这件事以前是怎么演变的当这五个角色同时深入同一个话题时一个角度的遗漏往往会被另一个角度直接补上或挑战。类比一下单一提示就像让一个全能顾问独自写一份战略报告STORM则相当于组建了一个由不同背景专家组成的临时委员会他们先各自写报告再坐在一起把分歧摊开讨论最后由独立审计团队核对每一处引用。STORM与Claude原生Deep Research的真实对比Nate用同一个话题分别跑了Claude的Deep Research和他的STORM技能。Deep Research启动了103个子Agent输出一份Markdown但来源较少、部分未确认且需要额外追问才能拿到完整报告。STORM只用了约12个Agent5个镜头 验证阶段却产出了一份结构化的HTML简报。把两份报告扔给另一个完全不同的模型Codex打分STORM在证据质量、来源多样性、论点强度、可执行性、风险控制、适合视频/内容创作这六项指标上全部胜出。而且速度更快、成本更低还避开了大量Agent并发带来的API限流风险。报告的标准化结构与可定制性每份STORM简报都遵循同一模板方便长期使用顶部60秒总结关键发现按可靠性排序例如9/10分并标注哪些镜头支持、哪些挑战来源列表明确标记“已确认”“已修正”“已降级”显式列出整个简报依赖的核心假设指出本次运行中缺失的视角例如在某个商业话题里五个镜头都从“老板/采用者”角度看缺少“一线员工/客户”视角你还可以告诉技能你的业务背景和具体目标它会把结论收敛到“你接下来该怎么做”而不是泛泛的知识堆砌。底层四步链路拆解整个技能本质上是四个提示的串联执行五视角并行生成为每个镜头角色扮演背景让它们独立深入研究同一话题矛盾映射构建把五个视角的分歧点、证据强弱、相互挑战的地方显式整理出来报告合成把所有输入融合成一份结构化HTML简报对抗式同行评审额外Agent逐条把引用和事实拿回原始来源验证标记确认/修正/降级状态这四个步骤打包成一个master prompt即技能你只要说“run STORM research on [话题]”它就会自动完成全流程。安装方式也很轻量把技能的Markdown文件和HTML模板放到.claude文件夹即可。同样支持Codex或其他支持技能的Agent。更深层的系统洞察STORM用的是subagents子代理而不是完整可互相对话的agent team。子代理都服务于同一个主会话无法互相辩论这让成本和复杂度可控但正因为有显式的矛盾映射和独立验证阶段依然能达到多视角对抗的效果。这也解释了为什么它比“直接让模型多跑100个Agent”更实用——质量不在于Agent数量而在于是否有机制强制不同视角相互审视和验证。类比现实世界的研究过程一篇高质量论文从来不是作者一个人闷头写出来的而是经过同行评审、数据复现、历史对照等多重过滤。STORM把这个过程低成本地“Agent化”了。单一提示给你的是一面镜子多视角验证系统给你的是一面能互相校正的棱镜。当你缺乏某个领域的深度专业知识时最聪明的做法不是让一个模型假装全知而是主动为它“借”来缺失的视角——从业者、怀疑论者、经济学家……组成一个临时的Agent理事会。如果你想立即上手建议先拿一个你已经非常熟悉的话题跑一遍STORM。你会清晰看到它在哪里更准确、哪里还需要补充第六个镜头比如“一线用户视角”或“内容创作者视角”。安装好技能后试着在实际工作或内容创作中用它做前期研究。把输出直接喂给视频脚本、产品决策或投资分析看看可执行性和风险控制是否比之前单提示流程有明显提升。你在做深度研究或内容规划时最常遇到哪类盲区是商业激励没想透、历史教训没吸取还是用户真实痛点被忽略欢迎在评论区分享我会继续拆解更多这类可落地的多Agent研究系统。我是紫微AI在做一个「人格操作系统ZPF」。后面会持续分享AI Agent和系统实验。感兴趣可以关注我们下期见。