Feynman：開源AI研究工具，幫你30分鐘搞定一篇帶引用文獻的報告

作者：惡人筆記
日期：2026年5月6日 下午11:02
來源：WeChat 原文

✦整理版優先睇

速讀 5 個重點 高亮

Feynman：開源AI研究工具，30分鐘搞掂帶引用嘅研究報告

整理版摘要

呢篇文章係關於一款叫 Feynman 嘅開源 AI 研究工具，由 Companion AI 團隊開發，採用 MIT 許可。作者整理咗佢嘅功能、安裝步驟、使用方式同實際體驗，目的係幫趕論文、做研究嘅人更快完成文獻綜述同報告。整體嚟講，Feynman 係一個多代理架構嘅科研助手，模擬真實科研流程，包括搜索論文、並行分析、同行評審同引用驗證，最後輸出結構化報告。佢唔係要取代研究員，而係將重複性工作自動化，等你有更多時間做高價值思考。

Feynman 內置四個核心代理：Researcher（跨來源蒐集證據）、Reviewer（模擬同行評審畀評分同建議）、Writer（整理筆記成簡報或論文）、Verifier（逐條檢查引用真偽）。佢深度整合 AlphaXiv 論文搜索工具，支援本地模型（Ollama、LM Studio）同雲 API（OpenAI、Claude、Gemini），可以喺本地 Docker 或雲 GPU 上面執行。安裝只需一行指令，支援 MacOS、Linux、Windows 多平台。

作者認為呢個工具嘅最大優勢係可驗證性強——Verifier 確保引用真實，減少幻覺；多代理協作更貼近科研流程；論文審計同實驗復現功能獨特，可以幫你發現「論文講一套、代碼做一套」嘅問題。不過都要留意，輸出質量好依賴底層模型能力，複雜任務需要 GPU 算力，而且初期階段可能會有 bug。總括而言，Feynman 係一個值得一試嘅科研加速…

  • Feynman 用多代理架構自動完成科研流程，包括 Researcher、Reviewer、Writer 同 Verifier，效率遠高過普通 AI 聊天。
  • 支援本地模型同雲 API，一鍵安裝後幾分鐘就可以完成文獻綜述，仲可以 handle 深度研究指令。
  • Verifier 代理會逐條驗證引用來源，大幅減少 AI 幻覺，輸出可靠性高。
  • 獨有論文審計同實驗復現功能，可以比對論文聲明同實際代碼，揭穿唔誠實嘅研究。
  • Feynman 係科研助手，唔係替代品；佢幫你加速資料蒐集同初稿，但核心創新同判斷仍然要靠人類自己。
值得記低
連結 github.com

GitHub 倉庫

Feynman 開源項目主頁，包含源碼、文檔同安裝指引。

開啟
連結 feynman.is

官方網站

Feynman 官網，提供詳細嘅使用教學同社區資源。

開啟
整理重點

Feynman 係咩嚟？

Feynman 係一款開源嘅 AI 研究工具，由 Companion AI 團隊製作，用 多代理架構 模擬真實科研流程。佢內置四個核心代理：Researcher、Reviewer、Writer 同 Verifier，可以自動協作完成複雜任務。

  • Researcher：跨論文、網頁、代碼倉庫同文檔蒐集證據。
  • Reviewer：模擬同行評審，畀出嚴重程度評分、指出差距、建議修改。
  • Writer：將筆記整理成結構化簡報、草稿或論文風格輸出。
  • Verifier：檢查每一條引用嘅真實性，清理死連結，確保來源可靠。

核心亮點包括深度整合 AlphaXiv 論文搜索工具，支援本地模型同雲 API，所有輸出都帶可驗證引用，大幅減少幻覺。

整理重點

安裝同基本使用

安裝過程超簡單，一行指令搞掂，支援多個平台。

一鍵安裝指令 bash 
curl -fsSL https://feynman.is/install | bash
# Windows (PowerShell as Admin):
irm https://feynman.is/install.ps1 | iex

裝完之後執行 feynman setup 配置模型提供商同 API Key，就可以直接用自然語言查詢。

  • 普通查詢：feynman "scaling laws 最新進展係咩"
  • 深度研究：feynman deepresearch "mechanistic interpretability"
  • 文獻綜述：feynman lit "RLHF 嘅替代方案"

常用工作流指令包括 /deepresearch、/lit、/audit、/replicate、/review、/draft 同 /outputs，全部可以快速生成結構化報告。

整理重點

優勢同限制

其他優勢包括：多代理並行工作，更貼近真實科研流程；論文審計同實驗復現功能獨特，可以幫你快速發現「論文講一套、代碼做一套」嘅問題；而且支援 本地模型，隱私友好。

不過都要留意以下限制：

  • 輸出質量高度依賴底層 LLM 能力，弱模型下深度分析可能仲有偏差。
  • 複雜任務（尤其係復現實驗）需要 GPU 或雲算力，否則時間會拉長。
  • 作為較新項目，某些邊緣功能可能仲有 bug，建議定期執行 feynman doctor 檢查。
  • 佢唔係萬能，核心洞見同創新想法仍然要靠人類判斷。
整理重點

總結：值得一試嘅科研加速器

Feynman 唔係要取代研究員，而係一個超級高效嘅科研助手。佢將重複性、機械性嘅工作自動化，令你可以專注喺高價值思考。喺 AI 快速迭代嘅時代，呢類多代理系統代表咗一個好重要嘅方向——唔係單純聊天，而係嵌入真實工作流程。

如果你係學生、研究者、開發者，成日要趕論文或跟進前沿技術，不妨一試 Feynman。佢嘅 安裝門檻好低，而且開源免費，用幾分鐘就可以體驗到文獻綜述由幾日壓縮到半個鐘嘅威力。

尋日刷到一個幾好嘅開源AI研究工具：Feynman，佢俾好多人叫做「研究版Claude Code」或者「終端裏面嘅AI研究員」。佢唔係就咁俾你傾偈問問題，而係真係模擬科研流程：搜論文、並行分析、批判審閲、驗證引用，最後俾你輸出結構化嘅研究報告。

今日呢篇文章就嚟詳細傾下呢個工具，希望幫到緊要趕論文、做研究、寫報告、追蹤前沿技術嘅朋友。

圖片

Feynman係咩嘢？

Feynman係由Companion AI團隊開源嘅AI研究代理，採用多代理架構，MIT許可，完全開源。

佢內置咗四個核心代理，可以自動協作完成複雜任務：

  • • Researcher（研究員）：跨論文、網頁、代碼倉庫、文檔蒐集證據。
  • • Reviewer（評審員）：模擬同行評審，俾出嚴重程度評分、指出差距、建議修改。
  • • Writer（撰寫者）：將筆記整理成結構化簡報、草稿或者論文風格輸出。
  • • Verifier（驗證者）：檢查每一條引用嘅真實性，清理死連結，確保來源可靠。

核心亮點：

  • • 深度集成AlphaXiv（極好嘅論文搜索同代碼閲讀工具）。
  • • 支援本地模型或者雲API（OpenAI、Claude、Gemini等都得）。
  • • 可以喺本地Docker或者雲GPU（Modal/RunPod）上面復現實驗。
  • • 所有輸出都帶可驗證引用，大幅減少幻覺。
  • • 一行指令就可以安裝，支援MacOS、Linux、Windows多平台。

呢個工具特別適合文獻綜述、論文審計、實驗復現、idea驗證等場景，藉助佢可以將原本需要幾日嘅工作壓縮到幾十分鐘。

點樣安裝同使用？（詳細步驟）

◆ 1. 安裝（推薦一鍵安裝）

macOS / Linux：

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

Windows（PowerShell，使用管理員權限）：

irm https://feynman.is/install.ps1 | iex

安裝後執行 feynman setup 指令，可以配置模型提供商同API Key。支援本地模型（例如Ollama、LM Studio）或者雲服務。

如果你淨係想用佢嘅研究技能，可以唔裝完整終端，有單獨嘅skills安裝指令，可以方便咁集成到其他AI Agent編碼工具度。

◆ 2. 基本使用

直接喺終端輸入自然語言就可以進行查詢等操作：

# 普通查詢
feynman "scaling laws 最新進展是什麼"

# 深度研究
feynman deepresearch "mechanistic interpretability"

# 文獻綜述
feynman lit "RLHF 的替代方案"

常用工作流程（slash commands）：

  • • /deepresearch <主題>：多代理深度調查。
  • • /lit <主題>：文獻綜述，總結共識、分歧、開放問題。
  • • /audit <arxiv-id>：對比論文聲明同實際公開代碼。
  • • /replicate <論文>：生成復現計劃，並喺本地或雲GPU執行。
  • • /review <內容>：模擬同行評審。
  • • /draft <主題>：生成帶引用嘅論文風格草稿。
  • • /outputs：瀏覽所有生成嘅文件（支援瀏覽器預覽同PDF導出）。

輸出通常包括結構化報告、引用列表、PDF版本等，方便直接使用或者進一步編輯。

體驗同分析

優勢：

  • • 可驗證性強：Verifier驗證代理嘅存在，令輸出可靠性遠高於普通ChatGPT/Claude嘅一次性生成。
  • • 多代理協作：並行工作+評審機制，更接近真實科研流程，而唔係簡單總結。
  • • 實用擴展：論文審計同實驗復現功能非常獨特，可以幫研究者快速發現「論文講一套、代碼做一套」嘅問題。
  • • 本地優先：私隱友好，支援本地模型，適合對數據敏感嘅用戶。

侷限性：

  • • 依賴底層模型：輸出質素高度依賴你配置嘅LLM模型能力。弱模型下，深度分析仍可能有偏差。
  • • 計算資源：複雜任務（尤其係復現實驗）需要GPU或雲算力，否則時間會拉長。
  • • 早期階段：作為較新嘅項目，某啲邊緣功能可能仲有bug，安裝或者更新後建議執行 feynman doctor 檢查。
  • • 唔係萬能：佢加速文獻收集同初稿，但核心洞見、創新想法仍然需要人類判斷。AI目前仲難以完全取代嚴謹嘅科研訓練。

總括嚟講，Feynman唔能夠「取代研究員」，而係一個超級高效嘅科研助手。佢將重複性、機械性嘅工作自動化，令你有更多精力可以去做高價值思考。

最後

喺AI快速迭代嘅時代，Feynman呢啲工具代表咗一個方向：唔止係傾偈，而係嵌入真實工作流程嘅多代理系統。佢令普通開發者、學生、研究者都可以低成本咁接觸到專業級文獻處理能力。

GitHub倉庫：https://github.com/getcompanion-ai/feynman
官網：https://www.feynman.is/

（本文基於GitHub、官方文檔同社區討論等公開資訊整理，觀點僅供參考。AI工具發展迅速，請以最新版本為準。）

圖片

昨天刷到一款不錯的開源AI研究工具：Feynman，它被很多人稱為“研究版Claude Code”或“終端裏的AI研究員”。它不是簡單地讓你聊天問問題，而是真正模擬科研流程：搜索論文、並行分析、批判審閲、驗證引用，最後給你輸出結構化的研究報告。

今天這篇文章就來詳細聊聊這個工具，希望能幫到正在趕論文、做研究、寫報告、跟蹤前沿技術的朋友。

圖片

Feynman是什麼？

Feynman是由Companion AI團隊開源的AI研究代理，採用多代理架構，MIT許可，完全開源。

它內置了四個核心代理，可以自動協作完成複雜任務：

  • • Researcher（研究員）：跨論文、網頁、代碼倉庫、文檔蒐集證據。
  • • Reviewer（評審員）：模擬同行評審，給出嚴重程度評分、指出差距、建議修改。
  • • Writer（撰寫者）：把筆記整理成結構化簡報、草稿或論文風格輸出。
  • • Verifier（驗證者）：檢查每一條引用的真實性，清理死連結，確保來源可靠。

核心亮點：

  • • 深度集成AlphaXiv（極好的論文搜索與代碼閲讀工具）。
  • • 支持本地模型或雲API（OpenAI、Claude、Gemini等都可以）。
  • • 可在本地Docker或雲GPU（Modal/RunPod）上覆現實驗。
  • • 所有輸出都帶可驗證引用，大幅減少幻覺。
  • • 一行命令就可以安裝，支持MacOS、Linux、Windows多平台。

這個工具特別適合文獻綜述、論文審計、實驗復現、idea驗證等場景，藉助它能把原來需要幾天的工作壓縮到幾十分鐘。

如何安裝和使用？（詳細步驟）

◆ 1. 安裝（推薦一鍵安裝）

macOS / Linux：

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

Windows（PowerShell，使用管理員權限）：

irm https://feynman.is/install.ps1 | iex

安裝後運行 feynman setup 命令，可以配置模型提供商和API Key。支持本地模型（如Ollama、LM Studio）或雲服務。

如果你只想用它的研究技能，可以不裝完整終端，有單獨的skills安裝命令，可以方便的集成到其他AI Agent編碼工具中。

◆ 2. 基本使用

直接在終端輸入自然語言就可以進行查詢等操作：

# 普通查詢
feynman "scaling laws 最新進展是什麼"

# 深度研究
feynman deepresearch "mechanistic interpretability"

# 文獻綜述
feynman lit "RLHF 的替代方案"

常用工作流（slash commands）：

  • • /deepresearch <主題>：多代理深度調查。
  • • /lit <主題>：文獻綜述，總結共識、分歧、開放問題。
  • • /audit <arxiv-id>：對比論文聲明與實際公開代碼。
  • • /replicate <論文>：生成復現計劃，並在本地或雲GPU執行。
  • • /review <內容>：模擬同行評審。
  • • /draft <主題>：生成帶引用的論文風格草稿。
  • • /outputs：瀏覽所有生成的文件（支持瀏覽器預覽和PDF導出）。

輸出通常包括結構化報告、引用列表、PDF版本等，方便直接使用或進一步編輯。

體驗與分析

優勢：

  • • 可驗證性強：Verifier驗證代理的存在，讓輸出可靠性遠高於普通ChatGPT/Claude的一次性生成。
  • • 多代理協作：並行工作+評審機制，更接近真實科研流程，而不是簡單總結。
  • • 實用擴展：論文審計和實驗復現功能非常獨特，能幫研究者快速發現“論文說一套、代碼做一套”的問題。
  • • 本地優先：隱私友好，支持本地模型，適合對數據敏感的用戶。

侷限性：

  • • 依賴底層模型：輸出質量高度依賴你配置的LLM模型能力。弱模型下，深度分析仍可能有偏差。
  • • 計算資源：複雜任務（尤其是復現實驗）需要GPU或雲算力，否則時間會拉長。
  • • 早期階段：作為較新的項目，某些邊緣功能可能還有bug，安裝或者更新後建議跑 feynman doctor 檢查。
  • • 不是萬能：它加速文獻收集和初稿，但核心洞見、創新想法仍需人類判斷。AI目前還難以完全替代嚴謹的科研訓練。

總體來說，Feynman不能“替代研究員”，而是一個超級高效的科研助手。它把重複性、機械性的工作自動化，讓你有更多精力可以去做高價值思考。

最後

在AI快速迭代的時代，Feynman這樣的工具代表了一個方向：不只是聊天，而是嵌入真實工作流程的多代理系統。它讓普通開發者、學生、研究者也能低成本地接觸到專業級文獻處理能力。

GitHub倉庫：https://github.com/getcompanion-ai/feynman
官網：https://www.feynman.is/

（本文基於GitHub、官方文檔及社區討論等公開信息整理，觀點僅供參考。AI工具發展迅速，請以最新版本為準。）

圖片