Feynman，把你从文献搬运工、信息筛子角色里解放出来！

Feynman是一个跑在你终端里的AI研究agent。

装它只需要一行：

curl -fsSL https://feynman.is/install | bash

装完你就能在命令行里使唤它了。

它能替你干什么？

给你看几个真实使用场景：

场景一：老板扔给你一个新方向，三天内出调研报告

feynman "what do we know about test-time scaling"

它自己去搜论文、扒网页、找代码库，回来给你一份带引用的研究简报。不用你手动筛Google Scholar，不用你一篇篇翻PDF。

场景二：你想知道某篇论文到底靠谱不靠谱

feynman audit 2401.12345

它会对比paper里的claim和公开代码库，告诉你哪些结论站得住脚，哪些是吹牛逼。我拿它测过几篇“惊艳”的arXiv preprint，结果挺扎心的。

场景三：老板说“你调研一下怎么微调一个7B的数学推理模型”

feynman recipe "fine-tune a small model for math reasoning"

它会从论文、数据集、文档、代码库里扒拉出可复现的方案，按质量排序，告诉你哪个数据集靠谱、哪段代码可以直接拿来用、有谁验证过。

场景四：你想复现一篇论文的实验

feynman replicate "chain-of-thought improves math"

它会在你本地或云端GPU上跑实验验证。不用你手撸Dockerfile，不用你跟环境变量搏斗。

技术架构速览

Feynman背后跑着四个自动调度的agent：

• Researcher：扒论文、网页、代码库
• Reviewer：模拟同行评审，给出严重等级反馈
• Writer：从研究笔记生成结构化草稿
• Verifier：检查每个引用URL的存活状态，清理死链

集成的工具链也够用：

• AlphaXiv：论文搜索、Q&A、代码阅读
• Hugging Face Hub：直接读数据集元数据、schema、小文件
• Docker：隔离执行环境，安全跑代码
• 本地模型：支持LM Studio、Ollama、vLLM
• 云端GPU：Modal（突发训练）、RunPod（长时实验）

说点实际的

这东西不是让你放弃思考。它的输出质量取决于你的问题提得有多精准。你给它“研究一下transformer”，它给你一堆泛泛的废话。你给它“对比RoPE和ALiBi在长文本上的困惑度，需要带论文引用和实验复现步骤”，那就不一样了。

它做的是把你从文献搬运工和信息筛子这个角色里解放出来。剩下的——提问题、设计实验、做判断、写insight——还是你的活儿。

项目地址： https://github.com/companion-inc/feynman