Companion-Inc/feynman

Feynman – 一款开源 AI 研究助理（CLI 与工作台）

它是什么 – 一款命令行工具（以及可选的本地网页工作台），让您能以自然语言提出研究问题，并获得 AI 生成且有来源依据的答案。它可以搜索论文、网络、代码仓库以及大量的生物医学与科学数据库，进而综合整理出简报、文献回顾、排名、审计、复制计划，甚至是可直接执行的机器学习训练配方。

如何获取 – 单行安装指令即可下载包含其自身固定 Node.js 执行环境的独立原生套件。您也可以安装 npm 套件 (npm i -g @advaitpaliwal/feynman)。另一个安装程序 (install-skills) 让您仅将“技能库”新增至其他代理（如 Codex、Claude、OpenCode 等），而无需完整的终端机 UI。

关键指令

指令	功能
feynman "<question>"	快速研究简报与引用
feynman rank <topic>	根据相关性、可复制性、来源等对论文评分
feynman paper <id>	解析 DOI/arXiv/PMID 并在可能时获取全文
feynman lit <topic>	包含共识、分歧与开放性问题的完整文献回顾
feynman deepresearch <topic>	多代理调查，执行平行“研究员”代理并综合结果
feynman audit <paper-id>	根据公开代码库检查论文声明
feynman replicate "<paper>"	规划可复制性实验（仅在您选择环境后执行）
feynman recipe "<task>"	从论文与数据集中寻找已排名、可实作的机器学习训练配方
feynman serve	启动本地“科学工作台”UI，包含项目导航、聊天、笔记本、成品预览、计算编排、来源追踪等

内置代理 – 当工作流程需要分解时，会自动调用四个专业子代理：

1. Researcher – 从论文、网络、仓库及多个生物医学数据库收集证据。
2. Reviewer – 批判性审查收集到的资料，评估问题严重性。
3. Writer – 将笔记转化为结构化的草稿文字。
4. Verifier – 检查引用、解析失效链接并验证来源。

数据来源与工具 – 执行环境与以下项目对接：

• AlphaXiv 用于论文搜索、问答与代码阅读。
• 大量的生命科学 API（PubMed、Europe PMC、ChEMBL、UniProt、GWAS Catalog 等）用于生物信息查询。
• Hugging Face Hub 用于数据集与模型元数据。
• 通用网络搜索提供者（支持代理）与 GitHub issue/PR 获取器。
• 本地 LLM 端点 (LM Studio, Ollama, LiteLLM, vLLM) 或托管提供者 (OpenRouter, GitHub Copilot 等)，通过 feynman model login。

架构快照

• Pi – 管理套件、扩展功能与“技能”的底层代理执行环境。
• Skills – 可重复使用的提示词加工具套件（例如用于论文搜索的 alpha 工具，用于生物医学查询的 Bio Tools）。技能存储于 ~/.codex/skills/feynman（或仓库本地对应位置），并可由其他代理加载。
• Workbench – 一种本地 Electron 风格的 UI，将所有工作阶段、成品与来源存储在 ~/.feynman/... 中，并可选择同步至云端存储桶。它包含可观测性 (PostHog, OpenTelemetry) 并支持 Docker/Modal/RunPod 进行重型计算。

典型工作流程

1. 安装 CLI (curl … | bash)。
2. 执行 feynman "what do we know about scaling laws" → 出现带有引用的简报。
3. 使用 feynman rank … --expand-citations 2 进行细化，以建立引用图谱。
4. 使用 feynman deepresearch … 进行更深入的多代理探索。
5. 开启工作台 (feynman serve) 以探索成品、编辑笔记本或启动基于 Docker 的复制执行。

适用对象 – 研究人员、数据科学家与机器学习工程师，他们希望在不离开终端机的情况下（或使用可选 UI），获得可编程、有来源依据的助理，用于文献发现、可复制性检查与机器学习实验的快速原型设计。

授权 – MIT (参见 LICENSE)。

了解更多 – 文档位于 https://feynman.is/docs，以及套件堆栈参考与 README 中链接的发布说明。