STORM, um projeto de IA inovador da Stanford, oferece uma capacidade incrível - a capacidade de gerar artigos abrangentes no estilo da Wikipédia sobre qualquer tópico. Basta fornecer um tópico e o STORM pesquisará, sintetizará e apresentará um artigo detalhado e bem estruturado, completo com referências aos sites de origem.

Este sistema alimentado por IA é um jogo de mudança, permitindo que os usuários criem conteúdo informativo em uma ampla gama de assuntos de forma rápida e sem esforço. O processo é incrivelmente eficiente, com o STORM vasculhando eficientemente a web, identificando informações relevantes e organizando-as em um artigo coeso e bem pesquisado.

Um dos recursos de destaque do STORM é sua capacidade de referenciar os sites de origem usados para coletar as informações. Essa transparência garante que o conteúdo tenha uma base sólida e fornece aos usuários a capacidade de aprofundar o tópico acessando as fontes originais.

As aplicações potenciais dessa tecnologia são vastas, desde educação e pesquisa até criação de conteúdo e compartilhamento de conhecimento. A capacidade do STORM de gerar artigos de alta qualidade e informativos sob demanda pode economizar tempo, otimizar fluxos de trabalho e capacitar os usuários a explorar e compartilhar conhecimento de forma mais eficaz.

à medida que o STORM continua a evoluir, com recursos como o próximo "Modo de Colaboração Humano-IA", as possibilidades para este notável sistema de IA continuam a crescer. Explore o poder do STORM e desbloque uma nova era de criação de conteúdo eficiente e abrangente.

Para instalar e configurar o STORM AI localmente em seu computador, siga estas etapas:

1. Abra o Visual Studio Code (VSCode) e navegue até o diretório onde deseja armazenar o projeto.
2. Clone o repositório GitHub do STORM executando o seguinte comando no terminal:

   git clone https://github.com/stanford-crfm/storm.git
   

3. Mude para o diretório storm:

   cd storm
   

4. Crie um novo ambiente Python usando sua ferramenta de gerenciamento de ambiente preferida (por exemplo, conda, venv):

   conda create -n storm python=3.11
   

5. Ative o ambiente:

   conda activate storm
   

6. Instale as dependências necessárias executando:

   pip install -r requirements.txt
   

7. Crie um arquivo secrets.toml no diretório raiz do projeto e adicione sua chave de API do OpenAI e sua chave de API de pesquisa do Bing:

   open_ai_api_type = "openai"
   open_ai_api_key = "sua_chave_de_api_openai"
   bing_search_api_key = "sua_chave_de_api_bing_search"
   

8. Copie o arquivo secrets.toml para o diretório frontend/streamlit:

   cp secrets.toml frontend/streamlit/
   

9. Mude para o diretório frontend/streamlit:

   cd frontend/streamlit
   

10. Inicie o servidor Streamlit:

    streamlit run storm.py
    

A aplicação STORM AI agora deve estar em execução em http://localhost:8501. Você pode iniciar sua primeira pesquisa inserindo um tópico e clicando no botão "Pesquisar".

Você pode testar o sistema STORM AI sem configurá-lo localmente. O projeto fornece uma página de demonstração em storm.genie.stanford.edu onde você pode ver páginas pré-pesquisadas.

A página de demonstração já possui várias páginas que foram totalmente pesquisadas pelo sistema STORM AI. Você pode explorar essas páginas para ter uma noção das capacidades do sistema.

Um recurso notável que está chegando em breve é o "Modo de Colaboração Humano-IA", que parece muito promissor e permitirá que os usuários interajam com o sistema de IA de uma maneira mais colaborativa.

Em geral, a página de demonstração fornece uma ótima maneira de experimentar o sistema STORM AI sem ter que passar pelo processo de instalação. Ele mostra as impressionantes capacidades de pesquisa do sistema e o potencial para futuros desenvolvimentos na colaboração humano-IA.

De acordo com as informações fornecidas, o projeto STORM AI da Stanford está atualmente desenvolvendo um recurso chamado "Modo de Colaboração Humano-IA" que estará disponível em breve. Esse recurso parece permitir uma abordagem mais interativa e colaborativa entre humanos e o sistema de IA.

Embora os detalhes desse recurso ainda não estejam totalmente conhecidos, a transcrição sugere que ele permitirá que os usuários se envolvam com a IA de uma maneira mais dinâmica, potencialmente permitindo feedback em tempo real, refinamento do processo de pesquisa e uma integração mais fluida da expertise humana e das capacidades da IA.

A disponibilidade deste Modo de Colaboração Humano-IA é um desenvolvimento empolgante, pois pode potencialmente melhorar a utilidade e versatilidade do sistema STORM AI, permitindo que os usuários aproveitem as habilidades de pesquisa da IA, mantendo um papel mais ativo no processo de geração de conhecimento.

Para solucionar problemas e otimizar a configuração local do STORM AI, considere as seguintes etapas:

1. Verificar a configuração do ambiente: Certifique-se de que seu ambiente Python esteja devidamente configurado. Verifique se as dependências necessárias estão instaladas executando pip freeze e comparando a saída com o arquivo requirements.txt.

2. Verificar o arquivo secrets.toml: Certifique-se de que o arquivo secrets.toml esteja corretamente preenchido com as chaves de API necessárias para o OpenAI e o Bing (ou qualquer outro provedor de pesquisa que você escolher usar). Verifique a sintaxe e os valores para garantir que não haja erros de digitação.

3. Inspecionar os logs: Examine cuidadosamente os logs gerados pela aplicação STORM AI. Procure por mensagens de erro ou avisos que possam fornecer insights sobre os problemas que você está enfrentando.

4. Explorar provedores de pesquisa alternativos: Se você estiver tendo problemas com a funcionalidade de raspagem da web usando a API do Bing, considere explorar provedores de pesquisa alternativos, como Google ou Wolfram Alpha. O projeto STORM AI pode ter suporte para esses provedores, ou você pode precisar implementar soluções personalizadas de raspagem da web.

5. Investigar a integração de LLM local: Como mencionado na transcrição, o projeto STORM AI tem suporte para integrar modelos de linguagem de grande porte (LLMs) locais, como LLaMA ou Vicuna. Explore a documentação e as issues do GitHub para ver se você pode fazer funcionar essas opções de LLM local, o que pode fornecer uma solução mais autossuficiente e offline.

6. Ficar atualizado: Fique de olho no repositório GitHub do STORM AI para quaisquer atualizações, correções de bugs ou novos recursos que possam resolver os problemas que você está enfrentando. O projeto é ativamente mantido e os desenvolvedores podem ter introduzido melhorias desde o momento em que a transcrição foi gravada.

7. Buscar suporte da comunidade: Se você continuar encontrando dificuldades, considere entrar em contato com a comunidade STORM AI no GitHub ou em outros fóruns relevantes. Os desenvolvedores e outros usuários podem fornecer orientação e assistência para ajudá-lo a resolver seus problemas de configuração.

Lembre-se de que a configuração local do STORM AI pode envolver alguma complexidade técnica, mas com paciência e diligência, você deve ser capaz de fazer o sistema funcionar suavemente em sua máquina local.

Executar o STORM AI localmente oferece várias vantagens em relação a confiar apenas na API do OpenAI:

1. Capacidades offline: Ao executar o STORM AI localmente, você pode realizar pesquisas e gerar artigos sem conexão com a internet. Isso torna a ferramenta mais acessível e independente da disponibilidade de APIs externas.

2. Privacidade e segurança: Ao executar o STORM AI em sua própria máquina, você tem mais controle sobre os dados e pode garantir que eles permaneçam em seu ambiente privado, melhorando a privacidade e a segurança.

3. Personalização e flexibilidade: Hospedar o STORM AI localmente permite que você personalize a ferramenta de acordo com suas necessidades específicas, como integrá-la com suas próprias fontes de dados ou modificar os algoritmos subjacentes.

4. Economia de custos: Embora a API do OpenAI forneça uma maneira conveniente de acessar os recursos do STORM AI, executá-lo localmente pode potencialmente economizar dinheiro, especialmente se você tiver requisitos de uso elevados.

5. Latência reduzida: Realizar a pesquisa e a geração de artigos em sua máquina local pode resultar em tempos de resposta mais rápidos em comparação com confiar na API do OpenAI, que pode estar sujeita a latência de rede e filas de solicitação de API.

Para configurar o STORM AI localmente, siga as instruções detalhadas fornecidas na introdução. Ao aproveitar a opção de implantação local, você pode desbloquear todo o potencial desta poderosa ferramenta de pesquisa de IA e personalizá-la de acordo com suas necessidades específicas.

O projeto da Stanford apresentado nesta transcrição é uma ferramenta impressionante alimentada por IA que pode gerar artigos abrangentes no estilo da Wikipédia sobre qualquer tópico. Os principais destaques deste sistema incluem:

• Ele pode pesquisar um tópico em profundidade, abrangendo várias perspectivas, como negócios, indústria, saúde, educação e segurança.
• Para cada fato apresentado no artigo, ele fornece uma referência para a fonte da web original, garantindo transparência e credibilidade.
• O sistema pode ser executado localmente, com a exceção da funcionalidade de pesquisa na web, que depende da API do OpenAI.
• Os usuários podem testar o sistema sem configurá-lo localmente, visitando a página de demonstração em storm.genie.stanford.edu.
• O projeto é de código aberto e atraiu um interesse significativo, com quase 62.000 estrelas no GitHub.

Em geral, esta ferramenta de pesquisa de IA demonstra o potencial da geração de conteúdo impulsionada por IA e pode ser um recurso valioso para pesquisadores, educadores e qualquer pessoa que busque adquirir conhecimento aprofundado sobre um determinado assunto de forma rápida.