Feynman

The open source AI research agent — built on Pi + alphaXiv

概要

Feynman は、論文・ウェブ・コードリポジトリを横断してエビデンスを収集し、引用付きの再現性ある研究成果物を生成するオープンソース CLI エージェント。 Pi をエージェントランタイムとし、 alphaXiv を論文検索・解析の基盤として使う。 すべての出力はソースに根ざしており、論文・ドキュメント・リポジトリへの直接 URL を含む。

20スキル
4エージェント
10研究ワークフロー
MITライセンス
1 — 概要・設計思想
何ができるか

Feynman に調査トピックを渡すと、次の流れで研究成果物を生成する。

bash — quick examples
$ feynman "what do we know about scaling laws"
→ 論文・Web を検索し、引用付きリサーチブリーフを生成

$ feynman deepresearch "mechanistic interpretability"
→ 並列 Researcher エージェントによる多角的調査、検証・合成まで自動

$ feynman lit "RLHF alternatives"
→ 文献レビュー：コンセンサス・対立点・未解決問題を整理

$ feynman audit 2401.12345
→ 論文の主張と公開コードベースの乖離を監査

$ feynman replicate "chain-of-thought improves math"
→ ローカルまたはクラウド GPU で実験を再現

$ feynman recipe "fine-tune a small model for math reasoning"
→ 論文・データセット・ドキュメント・コードから実装可能な ML 学習レシピをランキング

$ feynman summarize https://example.com/paper.pdf
→ 長い URL / PDF / ローカルファイルを窓読みし、要約を生成
設計原則
  • Evidence over fluency — 流暢な文章より論拠を優先する。
  • 観察と推論を分離 — 確認できたことと推論したことを明示的に区別する。
  • 不確実性を明示 — 最新文献や不安定な事実に関する問いにはツールを使う。
  • 最新情報は Web で確認 — 製品・価格・モデル可用性・ベンチマークは web_search / fetch_content / get_search_content を優先する。
  • 検証なしに "verified" と言わない — 実際にチェックし、証拠を示せる時だけ使う。
  • 成果物ファースト — 読書リスト・監査・実験ログ・草稿など具体的な成果物を届ける。
2 — インストール
スタンドアロン CLI

1 行インストーラが最新のタグ付きリリースを取得し、同梱の Node.js ランタイム付きスタンドアロン・ネイティブバンドルを展開する（開発者が npm 経由で入れる場合と別物）。

macOS / Linux
curl -fsSL https://feynman.is/install | bash
Windows PowerShell
irm https://feynman.is/install.ps1 | iex

バージョンを固定する場合は末尾に -s -- 0.2.35 のように明示する。npm で既存 Node 環境へ入れる場合は npm install -g @companion-ai/feynman を使い、engines に従い node >= 20.19.0 <25 が必要。

アップグレードとローカルモデル

スタンドアロン CLI を新しいバンドルに差し替えるときはインストーラを再実行する。feynman update は Feynman 環境内に入っている Pi パッケージの更新用で、スタンドアロンのランタイムバンドル自体は置き換えない。

ローカルモデルは feynman setup から設定できる。LM Studio は http://localhost:1234/v1、LiteLLM Proxy は http://localhost:4000/v1 を既定にし、Ollama / vLLM は Custom provider (baseUrl + API key) で openai-completions とローカルの /v1 エンドポイントを指定する。

スキルのみインストール

フル CLI が不要でリサーチスキルだけ欲しい場合。skills/ と prompts/、スキルが参照するガイド類を落とすが、ターミナル本体・同梱 Node・認証ストレージ・ Pi パッケージは入らない。

Codex グローバル（~/.codex/skills/feynman）— macOS / Linux（既定）
curl -fsSL https://feynman.is/install-skills | bash
Codex グローバル — Windows PowerShell（既定）
irm https://feynman.is/install-skills.ps1 | iex
Codex 明示 — macOS / Linux
curl -fsSL https://feynman.is/install-skills | bash -s -- --codex
Claude / エージェント リポジトリローカル（.agents/skills/feynman）— macOS / Linux
curl -fsSL https://feynman.is/install-skills | bash -s -- --repo
Claude / エージェント リポジトリローカル — Windows PowerShell
& ([scriptblock]::Create((irm https://feynman.is/install-skills.ps1))) -Scope Repo
OpenCode プロジェクトローカル（.opencode/skills/feynman）— macOS / Linux
curl -fsSL https://feynman.is/install-skills | bash -s -- --opencode
OpenCode プロジェクトローカル — Windows PowerShell
& ([scriptblock]::Create((irm https://feynman.is/install-skills.ps1))) -Scope OpenCode
Node.js: npm 版は node >= 20.19.0 <25。スタンドアロン CLI かスキルのみインストーラなら、マシンに Node を入れなくてよい。
3 — コマンド一覧
スラッシュコマンド

自然言語でも入力できるが、スラッシュコマンドをショートカットとして使える。

コマンド動作出力先
/deepresearch <topic> ソース重視の多エージェント調査。Researcher × N を並列起動し、Verifier → Reviewer で検証。 outputs/
/lit <topic> 文献レビュー。論文検索からコンセンサス・対立点・未解決問題を整理。 outputs/
/review <artifact> 査読シミュレーション。深刻度グレードと改訂プランを付与。 outputs/
/audit <item> 論文と公開コードベースの乖離（ミスマッチ）・再現性リスクを監査。 outputs/
/replicate <paper> ローカルまたはクラウド GPU で実験を再現。 experiments/
/recipe <task-or-paper> 論文・データセット・ドキュメント・コードから実装可能な ML 学習レシピをランキング。Hugging Face Hub でデータセット schema を検証。 outputs/
/compare <topic> ソース比較マトリクスを生成。 outputs/
/draft <topic> リサーチノートから論文スタイルの草稿を作成。 papers/
/autoresearch <idea> 自律実験ループ。仮説→実験→検証を繰り返す。 experiments/
/watch <topic> 定期的なリサーチ監視スケジュールを設定。 outputs/
/outputs 論文・outputs/・実験・ノートなど、研究成果物を一覧・ブラウズ。 対話 UI
/log 完了作業・発見・未解決リスク・次アクションをセッションログとして保存。 notes/
/jobs 実行中プロセス、予約済み watch、失敗したバックグラウンド作業を点検。 対話 UI
/feynman-model メイン既定モデル、または researcher / reviewer / writer / verifier のモデル上書きを選ぶ。 モデル設定
/search / /preview 過去セッション検索、または Markdown / HTML / PDF 成果物のブラウザプレビュー。 検索・表示
CLI 運用コマンド

REPL 内のスラッシュコマンドに加えて、設定・診断・パッケージ更新は CLI コマンドとして切り出されている。

領域代表コマンド用途
診断 feynman doctor / feynman status 設定、認証、Pi ランタイム、プレビュー依存関係を確認する。
モデル feynman model list / login / set OAuth または API キーで provider を追加し、provider/model または provider:model 形式で既定モデルを切り替える。
Web 検索 feynman search status / set auto / perplexity / exa / gemini の検索ルートを確認・設定する。
パッケージ feynman packages list / install / feynman update Pi パッケージや任意 preset を管理する。アプリ本体更新とは別物。
要約 feynman summarize <source> URL、ローカルファイル、PDF を外部ファイルとして保持し、長文でも窓読みで要約する。
成果物の命名規則

すべてのワークフローはトピックからスラッグ（lowercase・ハイフン・フィラーワードなし・最大 5 語）を導出し、同一ラン内のすべてのファイルにプレフィックスとして使う。

例: slug = "cloud-sandbox-pricing"
outputs/.plans/cloud-sandbox-pricing.md       # 実行計画
cloud-sandbox-pricing-research-web.md        # Web 調査中間ファイル
cloud-sandbox-pricing-research-papers.md     # 論文調査中間ファイル
outputs/.drafts/cloud-sandbox-pricing-draft.md
outputs/cloud-sandbox-pricing.md             # 最終成果物
outputs/cloud-sandbox-pricing.provenance.md  # 出所記録
4 — マルチエージェント構成
エージェント構成

Feynman は 4 つのサブエージェントを状況に応じて組み合わせる。Lead Agent が計画・委譲・合成・納品を担い、内部のオーケストレーションはユーザーに見えない。

flowchart TD U(["User Query"]) --> CLI["Feynman CLI"] CLI --> Lead["Lead Agent\nPlan · Delegate · Synthesize"] Lead -->|"Spawn N parallel"| RS["Researcher × N\npapers · web · repos"] RS -->|"Research files"| Lead Lead --> W["Writer\nDraft artifact"] W --> Ver["Verifier\nInline citations"] Ver --> Rev["Reviewer\nClaim verification"] Rev -->|"FATAL: fix loop"| Lead Lead --> Out[("outputs/ · papers/\nnotes/ · experiments/")] classDef lead fill:#0891b2,stroke:#0369a1,color:#fff,rx:8 classDef sub fill:#e0f2fe,stroke:#0891b2,color:#0c4a6e classDef store fill:#fef3c7,stroke:#d97706,color:#92400e classDef user fill:#f0fdf4,stroke:#16a34a,color:#14532d classDef cli fill:#f8fafc,stroke:#94a3b8,color:#1e293b class Lead lead class RS,W,Ver,Rev sub class Out store class U user class CLI cli
researcher
論文・Web・リポジトリ・ドキュメントを横断してエビデンスを収集。N 並列で異なる調査軸をカバー。
reviewer
査読シミュレーション。深刻度グレードの指摘と改訂プランを返す。
writer
リサーチノートから構造化ドラフトを生成。レポート・文献レビュー・論文スタイルに対応。
verifier
ドラフトにインライン引用を追加し、すべてのソース URL を検証。デッドリンクをクリーンアップ。
ソースと計算資源
Papers
alphaXiv — 論文検索・Q&A・コードリーディング・アノテーション（alpha CLI 経由）
Web
Gemini / Perplexity / Exa — auto ルートで構成できる Web 検索。製品・最新情報・規制・モデルベンチマーク向け。
Hub
Hugging Face Hub — データセット metadata・split/schema・リポジトリ内ファイルの読み取り専用検査（hf_dataset_info / hf_repo_files / hf_repo_read_file）。/recipe と /replicate で利用。
Compute
Docker — ローカル安全実行。Modal — サーバーレス GPU バースト。RunPod — 永続 GPU ポッド + SSH。

Hugging Face の private / gated リソースには HF_TOKEN または HUGGINGFACE_HUB_TOKEN を設定する。ツールは read-only で、重い weight や dataset shard のダウンロードは行わない。

5 — スキル一覧
20 リサーチスキル

Pi スキル（Markdown 命令ファイル）として提供。起動時に ~/.feynman/agent/skills/ へ同期される。

alpha-researchalphaXiv による論文検索・解析
autoresearch仮説→実験→検証の自律ループ
deep-research多エージェント深掘り調査
literature-review論文横断の文献レビュー
peer-review査読シミュレーション
paper-code-audit論文 vs コードの整合性監査
paper-writing論文スタイル草稿の生成
replication実験再現（ローカル / GPU）
ml-training-recipe論文・データセット・コードから ML 学習レシピを抽出
source-comparisonソース比較マトリクス
dockerコンテナ隔離実行環境
modal-computeサーバーレス GPU バースト
runpod-compute永続 GPU ポッド + SSH
session-search過去セッションのインデックス検索
session-logセッションログ管理
previewブラウザ / PDF 成果物プレビュー
watch定期リサーチ監視スケジュール
eli5概念の平易な解説
jobs採用情報収集・調査
contributingコントリビュートガイド
コア Pi パッケージ

Feynman は研究エージェントの挙動を、同梱の Pi パッケージで拡張している。主な役割は次のとおり。

pi-subagents並列リサーチャーと分担実行
pi-web-accessWeb・GitHub・PDF 取得
pi-docparserPDF / Office / 画像の内容抽出
pi-markdown-previewHTML / PDF プレビュー
pi-session-search過去セッション検索と再開
pi-schedule-prompt定期 watch と延期実行
pi-memory好み・修正履歴の永続記憶
pi-processes長時間実験・ログ監視
pi-zotero引用ライブラリ連携

generative-ui は任意 preset として提供され、macOS でリッチな HTML 風ウィジェットを追加できる。

6 — ディープリサーチフロー
/deepresearch の 7 ステップ

/deepresearch は Feynman の主力ワークフロー。Lead Agent が以下を順番に実行する。

1
Plan
拡張思考でリサーチ戦略を策定。スラッグを導出し outputs/.plans/<slug>.md に計画・タスク台帳・検証ログを書く。ユーザーに確認を求める。
2
Scale decision
クエリの複雑さに応じてサブエージェント数を決定。単一事実なら自分で処理（0 spawn）、広範調査なら 3–6 並列 Researcher。
3
Spawn researchers
調査軸（ソース種別・時期・技術角度）が重複しないよう Researcher を並列起動。各 Researcher はファイルに出力し、大量の中間結果を Lead のコンテキストに流し込まない。
4
Evaluate & loop
未回答の問い・単一ソース主張・矛盾を評価。不足があれば追加 Researcher バッチを起動。タスク台帳と検証ログを都度更新。
5
Write report
Lead Agent が直接レポートを書く（Writer に委譲しない）。主要主張を検証ログにマッピングし、根拠のないものをダウングレード。outputs/.drafts/<slug>-draft.md に保存。
6
Cite
Verifier がドラフトにインライン引用を追加し、全ソース URL を検証。デッドリンクをクリーンアップして <slug>-brief.md を生成。
7
Verify & Deliver
Reviewer が FATAL / MAJOR / MINOR で問題を分類。FATAL はフィックスループへ。最終成果物を outputs/ または papers/ に保存し、出所記録 .provenance.md を付与。
/recipe の出力

/recipe は「どの論文があるか」ではなく「どのデータセット・手法・ハイパーパラメータ・コードパスを最初に試すべきか」を答える。各候補は result-to-recipe リンク（ベンチマーク結果 → 再現レシピ）で整理し、検証状態は verified / unverified / blocked / inferred で明示する。

成果物内容
outputs/.plans/<slug>-recipe.mdターゲットタスク、候補ソース種別、検証制約、タスク台帳
outputs/.drafts/<slug>-recipe-research.md調査中間ファイル（論文・Hub・コードの根拠）
outputs/<slug>-recipe.md推奨レシピ、ランキング表、データセット注記、実装手順、既知ギャップ
outputs/<slug>-recipe.provenance.md参照ソース、採用/却下、検証状態、成果物パス
バックグラウンド実行: 長時間ワークフローは clarify: false, async: true でサブエージェントを非同期起動できる。非同期 ID と subagent_status で進捗確認が可能。
参考リンク