-->

⏱️ وقت القراءة المقدر: 10 دقائق

مقدمة

STORM (تركيب مخططات الموضوعات من خلال الاسترجاع وطرح الأسئلة متعددة المنظورات) المطوَّر في جامعة Stanford هو نظام وكيل تنظيم المعرفة المعتمد على LLM. بـ 25.4k نجمة على GitHub، يُعدّ هذا المشروع نظاماً مبتكراً يبحث في الموضوعات بشكل آلي ويولّد تقارير كاملة مع الاستشهادات.

STORM ليس مجرد منشئ نصوص. إنه نظام وكيل ذكي يطرح أسئلة من منظورات متنوعة، ويجمع المعلومات، وينظمها بشكل منهجي لإنتاج تقارير بجودة Wikipedia.

نظرة عامة على نظام STORM

الميزات الجوهرية

يتميز STORM بالخصائص المبتكرة التالية:

  • بحث آلي: جمع معلومات متعدد الزوايا حول موضوع ما
  • نظام استشهاد: نسب المصدر لجميع المحتويات
  • تنظيم هيكلي: مخططات هرمية على غرار Wikipedia
  • منظورات متعددة: المقاربة من وجهات نظر خبراء مختلفين
  • الوضع التعاوني: دعم التعاون بين الإنسان والذكاء الاصطناعي عبر Co-STORM
  • التخصيص: قابل للتطبيق في مجالات متنوعة

التثبيت والاستخدام

1. التثبيت

# تثبيت بسيط عبر pip
pip install knowledge-storm

# أو التثبيت من المصدر
git clone https://github.com/stanford-oval/storm.git
cd storm
pip install -r requirements.txt
pip install -e .

2. إعداد مفاتيح API

# إنشاء ملف secrets.toml
OPENAI_API_KEY="your_openai_api_key"
OPENAI_API_TYPE="openai"
BING_SEARCH_API_KEY="your_bing_search_api_key"
ENCODER_API_TYPE="openai"

3. الاستخدام الأساسي لـ STORM

# مثال على الاستخدام الأساسي
from knowledge_storm import STORMWikiRunnerArguments, STORMWikiRunner
from knowledge_storm import STORMWikiLMConfigs

lm_configs = STORMWikiLMConfigs()
runner_args = STORMWikiRunnerArguments(
    output_dir="./storm_output",
    max_conv_turn=5,
    max_perspective=5
)

runner = STORMWikiRunner(lm_configs)

topic = "الذكاء الاصطناعي في الرعاية الصحية"
runner.run(
    topic=topic,
    do_research=True,
    do_generate_outline=True,
    do_generate_article=True,
    do_polish_article=True
)

4. واجهة سطر الأوامر

# تشغيل آلي كامل
python examples/storm_examples/run_storm_wiki_gpt.py \
    --output-dir ./results \
    --retriever bing \
    --do-research \
    --do-generate-outline \
    --do-generate-article \
    --do-polish-article

المعمارية: 4 وحدات جوهرية

# وحدة تنظيم المعرفة
class KnowledgeCurationModule:
    def collect_information(self, topic):
        perspectives = self.generate_perspectives(topic)
        collected_info = []
        for perspective in perspectives:
            queries = self.generate_queries(topic, perspective)
            for query in queries:
                results = self.retriever.search(query)
                collected_info.extend(results)
        return self.deduplicate_and_filter(collected_info)

# وحدة توليد المخطط
class OutlineGenerationModule:
    def generate_outline(self, collected_info, topic):
        key_concepts = self.extract_key_concepts(collected_info)
        hierarchy = self.build_hierarchy(key_concepts)
        return {
            "title": topic,
            "sections": [
                {
                    "title": s["title"],
                    "subsections": s["subsections"],
                    "key_points": s["key_points"]
                }
                for s in hierarchy
            ]
        }

Co-STORM: نظام الذكاء الاصطناعي التعاوني

نظرة عامة على Co-STORM

Co-STORM هو نظام مبتكر لتنظيم المعرفة بالتعاون بين الإنسان والذكاء الاصطناعي:

  • حوار في الوقت الفعلي: محادثة بين المستخدم ووكلاء AI
  • خبراء متعددون: تعاون عدة خبراء من AI
  • مشاركة المستخدم: إمكانية التدخل في الحوار في أي وقت
  • التعديل الديناميكي: تعديل الاتجاه بناءً على ملاحظات المستخدم
from knowledge_storm import CoStormRunner

costorm_runner = CoStormRunner(
    args=costorm_args,
    lm_configs=lm_configs,
    rm=rm,
    topic=topic
)

costorm_runner.warm_start()
conv_turn = costorm_runner.step()
costorm_runner.step(user_utterance="تعليق المستخدم")

costorm_runner.knowledge_base.reorganize()
article = costorm_runner.generate_report()

النشر الإنتاجي

Dockerfile لـ STORM

FROM python:3.9-slim

RUN apt-get update && apt-get install -y git build-essential \
    && rm -rf /var/lib/apt/lists/*

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
RUN pip install knowledge-storm

COPY . .
ENV PYTHONPATH=/app
EXPOSE 8000
CMD ["python", "storm_server.py"]

نشر على Kubernetes

apiVersion: apps/v1
kind: Deployment
metadata:
  name: storm-api
spec:
  replicas: 3
  selector:
    matchLabels:
      app: storm-api
  template:
    metadata:
      labels:
        app: storm-api
    spec:
      containers:
      - name: storm-api
        image: your-registry/storm-api:latest
        ports:
        - containerPort: 8000
        env:
        - name: OPENAI_API_KEY
          valueFrom:
            secretKeyRef:
              name: storm-secrets
              key: openai-api-key
        resources:
          requests:
            memory: "2Gi"
            cpu: "1000m"
          limits:
            memory: "4Gi"
            cpu: "2000m"

مجموعات البيانات والمعايير

مجموعة بيانات FreshWiki

FreshWiki هي مجموعة بيانات عالية الجودة لتقييم STORM:

  • الحجم: 100 مقال Wikipedia عالي الجودة
  • الفترة: الصفحات الأكثر تحريراً من فبراير 2022 إلى سبتمبر 2023
  • الاستخدام: بحث تنظيم المعرفة الآلي

المقارنة: STORM مقابل الأنظمة الموجودة

الميزة STORM ChatGPT Claude Perplexity
بحث آلي نعم لا لا نعم
مخطط هيكلي نعم لا لا لا
نظام استشهاد نعم لا لا نعم
منظورات متعددة نعم لا لا لا
الوضع التعاوني نعم لا لا لا
التخصيص نعم لا لا لا

الخلاصة

Stanford STORM هو نظام مبتكر يقدم نموذجاً جديداً لتنظيم المعرفة.

المزايا الرئيسية

  1. نهج منهجي: خط أنابيب معياري من 4 مراحل
  2. منظورات متعددة: جمع المعلومات من وجهات نظر خبراء مختلفين
  3. نظام استشهاد: نسب المصدر لجميع المحتويات
  4. ميزات تعاونية: التعاون بين الإنسان والذكاء الاصطناعي عبر Co-STORM
  5. التخصيص: قابل للتطبيق في مجالات متنوعة
  6. مفتوح المصدر: استخدام مجاني تحت رخصة MIT

روابط مرجعية:

참고