Feynman 是一款开源 AI 研究 agent，专注于自动化文献调研与技术主题深挖。它能够自主检索、阅读并梳理资料，还可以与编码 agent 组合，形成从调研到实现的完整研究工作流。 定价：开源免费（MIT）。编辑评分：⭐ 4.5。
Feynman 上手介绍：一个专门替你读论文的开源研究 Agent
Feynman是什么？
一句话说清楚：Feynman 是一个开源的 AI 研究 agent，干的事情是自动化文献调研和技术主题深挖。
平时我们用通用聊天机器人查资料，大概是你问一句、它答一句，遇到需要翻十几篇论文才能理清的题目，就得你自己一轮轮追问、拼线索。Feynman 的定位不一样——它更像一个能自己跑腿的研究助理：自主检索、阅读、梳理资料，把某个技术方向的家底摸一遍再交给你。
按官方仓库的描述，它面向"自动化文献调研与技术主题深挖"，而且可以和编码 agent 组合，串成一条从调研到实现的完整研究工作流。名字本身就带点"把复杂东西讲明白"的暗示。
项目地址在 GitHub（advaitpaliwal/feynman），2026 年 9 月首发，属于很新的项目。不过它已经上过 GitHub Trending 周榜，周增 +262 star（数据来源：GitHub Trending），社区关注度在往上走。
核心功能
1. 自动化文献调研与资料检索
这是它的主业。你给一个研究方向，它自己去检索、抓取、筛选相关资料，而不是等你把链接一条条贴给它。实际使用中，这类工具最大的价值不是"搜得更准"，而是省掉了你在搜索框和文档之间来回切换的机械劳动。缺点是检索质量高度依赖它背后接的搜索能力和模型，这部分需要你自己配。
2. 技术主题的深度挖掘与脉络梳理
比起"某个概念是什么"，它更擅长把一个主题的历史脉络、流派差异、关键节点梳理出来。这对需要系统性理解某个领域的场景很有用——比如你想搞清楚某个技术路线是怎么演化到今天的，靠人肉读十几篇综述确实累。需要注意的是，这类深挖产出的质量跟资料可得性直接相关，冷门方向可能挖不出太多东西。
3. 研究任务的自主规划与多步执行
它能把一个模糊的大问题拆成多步子任务，自己决定先查什么、后查什么。这是"agent"和"搜索框"的本质区别。从社区反馈看，这种自主规划在任务边界清晰时表现不错，问题太开放时还是需要人给方向。
4. 与编码 agent 组合，打通调研—实现
这是它比较有意思的一点。调研完了直接交给编码 agent 落地，中间的上下文不用你手动搬运。对开发者来说，这个组合比"研究工具 + 编码工具各用各的"顺手不少。当然，前提是你已经在用编码 agent，否则这部分价值对你不成立。
5. 开源代码，支持自部署与扩展
代码完全公开，可以自己部署、改、接入自有模型和搜索能力。数据不出自己的环境，对隐私敏感的场景是加分项。代价是文档和生态还在完善中，踩坑要有心理准备。
版本/套餐对比
Feynman 是开源项目，官方仓库本身可免费获取，目前没有公开的付费版本或 SaaS 套餐信息。
| 维度 | 情况 |
|---|---|
| 获取方式 | 开源仓库，自行克隆部署 |
| 收费模式 | 代码本身免费；官方未公开付费套餐 |
| 模型能力 | 需自备（自接 API 或本地模型），成本取决于你的选择 |
| 搜索能力 | 需自行配置接入 |
| 官方托管服务 | 暂无公开信息 |
| 二次开发 | 支持，代码透明可改 |
也就是说，它没有"免费版 / 专业版 / 企业版"这种分层，真实开销基本等于你调用的模型和搜索服务的费用。别指望开箱即用——它是给愿意折腾的人准备的工具。
值不值得用？
先说优点：
- 开源、透明、可自部署，能改能扩，数据可控，这在研究类工具里不多见
- 定位清晰，就是冲着自动化文献调研和技术深挖去的，不是又一个万能聊天框
- 能和编码 agent 拼成工作流，调研到实现这条链路打通了，对开发者实用
- 社区势头不错，能上 GitHub Trending 周榜说明至少有一批人觉得它解决了真问题
再说缺点，得实话实说：
- 太新了。2026 年 9 月首发，生态和文档都在完善中，遇到问题可能得自己翻源码
- 有技术门槛。部署、接入自有模型和搜索能力都需要一定技术背景，不是打开网页就能用的东西
- 偏研究型定位。普通用户上手难度明显高于通用聊天式搜索，如果你只是想快速问个问题，它属于高射炮打蚊子
总体结论：这是个"对的人用起来很香、不对的人用两次就卸载"的工具。如果你经常需要系统性地研究某个技术方向，而且不介意花点时间配置，值得一试；如果你只是想找个更聪明的搜索框，先别折腾。
使用建议
- 先明确任务边界再交给它。它是研究 agent，不是许愿池。把问题收窄到"调研 X 技术的演进路径和主要流派"，比丢一句"帮我研究一下 AI"有用得多。
- 把模型和搜索接好再谈效果。它的上限很大程度取决于你给它配的检索源和模型，这一步别省。
- 搭配编码 agent 用，价值才完整。单独当文献工具用它也能跑，但"调研—实现"这条链路才是它的差异化打法。
- 从小任务试起。别一上来就让它啃一个需要读五十篇论文的大题目，先用一个小方向验证它的检索和梳理质量，再决定要不要放大。
- 留出人工复核环节。agent 自主检索梳理出来的内容，关键结论建议回原文核对一遍，这是所有自动化调研工具的通用纪律。
- 关注仓库更新。项目很新，迭代节奏可能比较快，文档和功能都在变，隔段时间回来看一眼有必要。
适合谁用？
推荐：
- 需要频繁做技术调研的开发者、研究者
- 已经在用编码 agent、想把调研和实现串起来的人
- 有自部署需求、对数据可控性有要求的团队
- 愿意读源码、能接受"文档不全自己摸索"的技术型用户
可考虑：
- 需要系统性了解某个技术领域的学生或转行者——能用，但得做好配置折腾的准备
- 已经有一套自建模型/搜索基础设施的团队——边际成本低，可以顺手接进来试试
- 对开源研究 agent 这类方向本身感兴趣的观察者
不推荐：
- 只想快速问个问题、要即时答案的普通用户——用通用搜索或聊天工具更省事
- 完全没有技术背景、不想碰命令行和配置文件的人
- 需要开箱即用商业支持和 SLA 的企业场景——目前不是它的形态
