应用介绍
读一篇没见过的论文，动作基本是固定的：搜、下 PDF、扫一遍摘要判断值不值得细看；真想验证结论，还得去翻它公开的代码仓库，一行行对着看有没有偷工减料。一篇折腾半天，桌上堆十篇就彻底看不动了。
Feynman 把这一整套拆成了终端里的一条条命令。feynman rank 先给一堆论文排序，按引用、方法、可复现性、来源逐项列出证据，直接告诉你哪篇先读；feynman audit 把论文和它的公开代码库摆在一起比对，哪句声明代码里没实现、哪块被省了、哪里复现有风险，一条条指出来。
它内部还分了四个角色干活：Researcher 去论文、网页、仓库、文档里收证据，Reviewer 先在内部按严重程度挑一轮毛病，Writer 把结论写成结构化的稿子，Verifier 专门核对行内引用和链接——死链会被清掉。研究结论都带着可点开的原始出处。
论文排序：
论文 vs 代码审计：
多 agent 深度调研：
文献综述：
复现规划：
本地科研工作台：
接了一大票开放数据源：OpenAlex、PubMed、Europe PMC、ClinicalTrials.gov、UniProt、DepMap、ChEMBL、GWAS Catalog 这些都能直接查，Hugging Face 上的数据集元信息和字段结构也能翻。论文搜索和代码阅读走的是 alphaXiv。
模型随你换：托管模型用
三平台一行装：macOS 和 Linux 走 curl 脚本，Windows 用 PowerShell 一行，装的是自带 Node 运行时的独立包，校验 SHA-256 之后才替换旧版本；也可以用 npm 全局安装。
Feynman 把这一整套拆成了终端里的一条条命令。feynman rank 先给一堆论文排序，按引用、方法、可复现性、来源逐项列出证据，直接告诉你哪篇先读；feynman audit 把论文和它的公开代码库摆在一起比对，哪句声明代码里没实现、哪块被省了、哪里复现有风险，一条条指出来。
它内部还分了四个角色干活：Researcher 去论文、网页、仓库、文档里收证据，Reviewer 先在内部按严重程度挑一轮毛病，Writer 把结论写成结构化的稿子，Verifier 专门核对行内引用和链接——死链会被清掉。研究结论都带着可点开的原始出处。
软件功能
论文排序：
feynman rank <主题> 用 PaperRank 打分决定读哪篇，加 --expand-citations 会把被引和施引的论文拉进本地引用图再算学术影响，加 --full-text-top 会读全文按章节补证据重新打分。论文 vs 代码审计：
feynman audit 2401.12345 给个 arXiv 号就行，它去找对应代码库，把论文里的声明和实现逐条对照，输出不一致、遗漏和可复现性风险。多 agent 深度调研：
feynman deepresearch 派多个 researcher 并行去查，汇总之后还要过一遍核验，产出的是带行内引用的调研简报，不是一段没出处的总结。文献综述：
feynman lit 出的综述会分开写共识、分歧和尚未解决的问题；输入换成某个实验室或 PI 的名字，它会转成梳理这个组的发表脉络。复现规划：
feynman replicate 先规划要跑哪几项验证，明确选定运行环境之后才真的执行，不会上来就在你机器上乱跑。本地科研工作台：
feynman serve 打开一个本地应用，项目、会话、笔记本、算力、产物预览和来源追溯都在里面，报告、表格、PDF、音视频、Jupyter、LaTeX、分子结构这些产物可以直接看。接了一大票开放数据源：OpenAlex、PubMed、Europe PMC、ClinicalTrials.gov、UniProt、DepMap、ChEMBL、GWAS Catalog 这些都能直接查，Hugging Face 上的数据集元信息和字段结构也能翻。论文搜索和代码阅读走的是 alphaXiv。
模型随你换：托管模型用
feynman model login 登一次即可；也支持 LM Studio、LiteLLM、Ollama、vLLM 这类本地部署，配置在 feynman setup 里选。三平台一行装：macOS 和 Linux 走 curl 脚本，Windows 用 PowerShell 一行，装的是自带 Node 运行时的独立包，校验 SHA-256 之后才替换旧版本；也可以用 npm 全局安装。
