大多数人把 Claude 当搜索框用：问一句、答一句、关标签页。他们把最强的那个用法锁在门外了。
斯坦福做过一套叫 STORM 的研究系统。在同行评审的测试里，它产出的文章比第二名的方法「组织度高 25%」。开源、免费。但几乎没人知道，你能用 4 条 prompt，在 Claude 里跑出同样的思路。
不用装软件、不用碰 GitHub、不用任何配置，粘贴就行。5 分钟后，你对一个话题的了解，会超过那些花好几天读资料的人。下面是完整方法。
一、STORM 到底是什么
STORM 的全称是 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking（通过检索与多视角提问来综合话题大纲）。它由斯坦福 OVAL 实验室发表于 NAACL 2024。
它有几个现成资源，都免费：在线版
，输入一个话题，当场看它写出一篇带出处的文章；完整代码在
，MIT 协议，想在自己电脑上跑也行。
但真正的宝贝在这：这些你一个都不需要。斯坦福这套方法，本质只是一种思考方式。你能用 4 条复制粘贴的 prompt，在 Claude 里把这套思考跑出来。
这就是本文剩下要讲的全部。
二、为什么一条 prompt 永远不够
你问 Claude「跟我讲讲 X」，拿到的是主流观点、最常见的框架、表层的东西。
你拿不到的是：每天跟 X 打交道的实践者、认为整个领域都错了的怀疑者、盯着钱流向的经济学家、见过同类套路的历史学家、真读过那些研究的学者。
这五种声音，各看到不一样的东西。这正是博士生干的事——他们不问一个问题，他们问五个。
斯坦福的论文用数字证明了这点：多视角构建的文章，比常规方法「组织度高 25%、覆盖面广 10%」。整个突破就在这：多视角提问，能抓住单条 prompt 永远看不见的盲区。
一份博士级别的研究，人工要读 40 到 60 小时。多数人挤不出这时间。STORM 把它压缩了，下面这 4 条 prompt 压得更狠——总共 5 分钟。
三、Prompt 1：多视角扫描
这是整套方法的心脏。粘进 Claude，把第一行的话题换成你的。
我要研究 [你的话题]。
请模拟 5 种不同的专家视角来看这个话题：
1. 实践者：每天在跟它打交道。
学者们漏掉了哪些他知道的东西？
哪些现实中的实际情况通常被忽视？
2. 学者：研究它很多年了。
经过同行评审的证据究竟说了什么？
证据在哪里和大众看法相矛盾？
3. 怀疑者：认为主流看法是错的。
最有力的反论点是什么？
支持者们方便地忽略了哪些证据？
4. 经济学家：盯着钱走。
谁从当前的主流叙事里获利？
哪些经济利益在塑造这些研究？
5. 历史学家：见过类似的套路。
存在哪些历史上的平行案例？
从它们的结局里我们能学到什么？
对每一种视角，请给我：
- 用 2 句话说清他的核心立场
- 支撑他观点的最有力证据
- 那一件只有他会告诉我、其他视角都不会说的事回来的，是对同一话题的五种截然不同的读法。实践者看见学者漏的，怀疑者挑战实践者的预设，经济学家揭穿学者忽视的利益，历史学家提供经济学家看不到的规律。
60 秒的工作量，抓住一条 prompt 永远找不到的东西。
四、Prompt 2：矛盾地图
现在让 Claude 找出这五种声音在哪里打架。打架的地方，才住着真正的理解。
基于上面 5 种视角，画出矛盾地图：
1. 哪里有两种或更多视角直接互相矛盾？
列出每一处冲突，以及具体是哪些主张在打架。
2. 哪种视角的证据最强？哪种最弱？为什么？
3. 有没有这样一个问题：一旦回答，
就能解开最大的那处矛盾？
4. 每一种视角都同意的是什么？
（这多半是真的——连对手都在确认它。）
5. 哪个话题是所有视角都没碰到的？
（这就是整个领域的盲区，往往是最有价值的发现。）回来的，是一张「专家在哪里、为何分歧」的地图。多数人跳过这一步，而它正是把「表层理解」和「真专家」区分开的那一步。
五种视角都同意的，多半是真的。谁都没碰的，你就找到了整个领域的空白。
五、Prompt 3：综合
现在让 Claude 把一切拉到一起，写成一份研究简报。
把 5 种视角和矛盾地图里的一切，综合成一份研究简报：
1. 一段话总结：像给一个只有 60 秒、
需要分寸而不只是标题的 CEO 做汇报那样，解释这个话题。
2. 5 条关键发现：我现在知道的最重要的东西，
按可靠性排序。每一条注明哪些视角支持、哪些挑战。
3. 隐藏的连接：一条不明显的、只有把 5 种视角
放在一起看才会浮现的发现之间的关联。
4. 可行动的洞察：基于全部证据，
一个 [你的角色] 的人，到底该做出什么不一样的动作？要具体。
5. 前沿问题：那一个一旦被回答，
就会彻底改变我们对这个话题理解的问题。回来的，是一份没有任何单一专家写得出的简报：它顾及每一个角度、点名矛盾、给可靠性排序，最后落到一个具体动作上。这是博士生要 48 小时才能产出的东西，你 90 秒就拿到了。
六、Prompt 4：同行评审
STORM 有一个已知的弱点，斯坦福自己的研究者标出来了：它不会自我批判，来源偏见和事实错配会悄悄溜进去。这条 prompt 就是让 Claude 给自己的活儿打分，来补这个洞。
现在对你自己的研究简报做同行评审：
1. 置信度打分：给 5 条关键发现每一条
按可靠性打 1 到 10 分，并解释每个分数。
2. 最弱环节：你对哪条主张最没底？
需要哪些具体信息才能核实它？
3. 偏见检查：综合里哪种视角可能被过度代表了？
是不是某一种声音占了主导？
4. 缺失的视角：有没有一个我本该纳入的
第 6 个角度，会改变结论？
5. 总评：如果一位斯坦福教授来评这份简报，
会打什么分、为什么？他会让我修哪里？回来的，是对你自己研究的一次诚实体检：强主张、弱主张、偏见、漏掉的角度。真正的同行评审要几个月，你 60 秒就做完了。
七、5 分钟工作流
-
第 1 分钟： Prompt 1 —— 拿到 5 种专家视角。
-
第 2–3 分钟： Prompt 2 —— 拿到矛盾地图。
-
第 3–4 分钟： Prompt 3 —— 拿到研究简报。
-
第 5 分钟： Prompt 4 —— 知道哪些可靠、哪些不可靠。
总耗时 5 分钟。产出：一份带矛盾分析、综合、具体动作和可靠性评分的多视角简报。
博士生手工做出这份东西要 40 到 60 小时。不是因为他们慢，而是「从 5 个角度读、画矛盾、综合、再自我批判」，对一个人的脑子来说，本就是 40 小时的活。
八、今天就能上手的 7 种用法
-
写任何文章或报告前。 跑这 4 条 prompt，你的稿子会覆盖别人没想到的角度。
-
做重大商业决定前。 拿到 5 种视角：实践者告诉你现实里什么管用，怀疑者告诉你哪里会出岔子，经济学家告诉你谁在获利。
-
面试前。 5 分钟从 5 个角度研究这家公司：实践者视角给你行话，怀疑者视角给你尖锐的问题，你进门时比屋里任何人都更有准备。
-
投资前。 多头逻辑、空头逻辑、历史平行、利益地图、学术证据，5 分钟到手。矛盾地图会告诉你真正的风险住在哪。
-
学一门新技能前。 从 5 个角度给这个领域画地图：实践者告诉你先学什么，学者告诉你理论，怀疑者告诉你什么被过度炒作。你直接跳过噪音。
-
谈判前。 从 5 个视角研究对手：摸清他们的利益、弱点、历史行为，你带着结构性优势进场。
-
任何演讲前。 对你的话题跑一遍 STORM，你的幻灯片会在听众提出反对之前就先回答它，你的问答环节会毫不费力。
九、谁适合用这套方法
你是那种会读书、会问硬问题的人。你不想要一份「听着聪明、其实啥也没说」的 200 字摘要。
你想真正搞懂一件事——快、带出处，像斯坦福研究生那样，但不用付六年的学费。
十、一个不太舒服的事实
斯坦福 2024 年就发表了它，论文过了同行评审，代码开源，在线工具免费，方法只有 4 条 prompt。可几乎没人用。
我们正处在一个大约 18 个月的窗口里：学会用 AI 好好做研究的人，会把不会的人甩开一大截。 不是因为他们更聪明，而是当别人还在读谷歌第一条结果时，他们已经跑完了 5 种视角、一张矛盾地图、一次综合和一次同行评审。
18 个月后，这类工作流会被烤进每个工具里，这点优势就没了。而今天，它还是个明晃晃摆在那儿、却没人捡的秘密。
挑一个你最需要研究的话题，打开 Claude，粘上 Prompt 1。5 分钟后，你会比那些读了好几天的人懂得更多。
prompt 都在上面，方法斯坦福已经证明了，剩下的看你。
正文完