Feynman：一句话指令，博士级研究简报
@IndieDevHailey 分享的开源 AI 代理：feynman deepresearch "xxx"一句指令，四智能体协同，几分钟输出带完整引用的审稿式研究简报。
开篇：把一周压缩成几分钟
以前做科研的一个标准动作：熬夜刷论文、反复跑代码、花一周写综述。现在 @IndieDevHailey 分享的开源 AI 代理 Feynman（github.com/getcompanion-ai/feynman）说：一句话指令就行。
过去要花一周完成的 arXiv 调研、代码验证、文献综述，交给 Feynman，几分钟就能生成一份带完整引用、经过"审稿式校验"的研究简报。
定位（本课按第 1 课全流程地图标注）：Feynman 主要覆盖文献检索 → 论文写作（简报）→ 同行评审（预审）三个环节，是"一句话科研"的产品级实例。全流程地图详见第 1 课，本课只讲 Feynman 本体。
四智能体协同：各干各的，互相挑刺
以下来自原帖"Feynman 核心能力"第一条。Feynman 不是单个大模型，而是一个四智能体小团队：
搜论文。按你的主题去 arXiv 等处检索相关文献，广撒网。这是团队的"腿"，负责把资料找全。
用第 6 课《自我改进综述》的框架看：这四个 agent 就是操作支架 Σ 里控制逻辑 g 的具体设计——把"做研究"拆成四个角色，用分工 + 互查来压低错误率。
这就像一个四人课题小组：小李负责查资料（Researcher），小王负责挑毛病（Reviewer），小张负责写报告（Writer），小赵负责核对每个引用是不是真的（Verifier）。一个人单干容易"自己骗自己"，四个人互相盯，幻觉就少了。
一句话深度研究：指令长什么样
以下来自原帖核心能力第二条。用法只有一行：
feynman deepresearch "xxx"把 "xxx" 换成你的研究主题，Feynman 自动完成：检索 → 综述 → 提炼共识与争议。注意最后四个字——好的研究简报不只告诉你"大家怎么说"，还告诉你"哪里有争议"，这正是科研的入口。
输出物：带完整引用的研究简报，且经过"审稿式校验"（Reviewer + Verifier 两道关）。
别被"一句话"误导：指令越短，你的前期思考就要越长。"xxx"里装的是你对问题的理解——主题定得越准，简报越有用。对应第 8 课评论区的判断：会问问题的人才稀缺。
真能干实验：不只会"读"，还会"动手"
以下来自原帖核心能力第三条。很多"AI 科研助手"只会读论文，Feynman 强调自己能动手：
- 论文审计（claim vs 代码）：把论文里的 claim（论断）和它附带的代码对一遍，看代码是不是真能复现论文说的结果——"论文说"和"代码做"两张皮，是科研圈的常见病。
- 一键复现：本地或云 GPU，一键把论文实验跑起来验证。
- 主题持续追踪：定一个主题，Feynman 持续帮你盯新论文、新进展。
这三项对应第 1 课流程里的"代码实验"环节——Feynman 不只覆盖文献和写作，还往实验端伸了一只手。
只会读论文的 AI 像"书评家"，Feynman 想当"实验员兼书评家"：不只告诉你"这篇论文说了什么"，还动手跑一遍代码告诉你"它说的是不是真的"。在科研圈，后者稀缺得多。
本地优先 + 完全开源
以下来自原帖核心能力第四条：
- 本地优先：支持 Ollama 等本地模型，数据不离电脑——隐私敏感的研究（比如医疗数据）也能用。
- 完全开源：免费、可自建（self-host），代码在 github.com/getcompanion-ai/feynman。
这正好呼应第 3 课《Intelligence per Watt》的趋势：本地小模型已能处理 88.7% 的单轮查询——Feynman 这类"本地优先"的科研代理，踩的正是本地 AI 崛起的浪潮。能效与本地部署的详细论证详见第 3 课。
目标用户（原帖）：AI 研究员、独立开发者、学生党——共同点是"想把重复劳动甩给 AI，专注真正有创造性的工作"。
三条冷思考：评论区比正文更值得读
原帖评论区有三条高质量冷思考，本课如实并列（观点来自评论者，不代表本课立场）：
@baibaida："用一句话指令跑出来的科研，本质上是 PM 思维下沉到学术圈了——会问问题的人才稀缺，AI 只是放大器。"意思是：Feynman 把"提需求→等交付"的产品经理工作流搬进了科研；AI 放大的是你的提问能力，不是替代它。
@aias_0："速度只是将瓶颈转移到了验证上。你仍然需要审计代码和边缘情况。"呼应第 4 课 Prime Intellect 的实测：强模型赢在实验方法论和噪声建模——简报生成得快，验证的责任还在人。
@adelbucetta："它掩盖了一个更大的变化：究竟由谁来决定首先进行什么样的研究？"当"一句话科研"普及，选题权本身成了最稀缺的东西——这正是第 1 课流程里"创意生成"环节最难被替代的原因。
术语翻卡：点卡片看解释
自测一下：点问题展开参考答案
Researcher 搜论文、Reviewer 挑刺、Writer 写报告、Verifier 核引用。四者分工+互查，是"几乎零幻觉"承诺的关键。
几分钟生成带完整引用、经审稿式校验的研究简报；特点是自动完成检索→综述→提炼"共识与争议"。
论文审计（claim vs 代码）、一键本地/云 GPU 复现、主题持续追踪。
① @baibaida：一句话科研是 PM 思维下沉，会问问题的人才稀缺，AI 只是放大器；② @aias_0：速度把瓶颈转移到验证，仍需审计代码和边缘情况；③ @adelbucetta：谁来决定"首先研究什么"被掩盖了。
主要覆盖文献检索→论文写作（简报）→同行评审（预审），另向代码实验环节伸了一只手（论文审计/复现）。