논문과 코드를 동시에 파고드는 오픈소스 AI 연구 도우미
새로운 연구 주제를 던지면, 여러 에이전트가 동시에 문헌을 찾고 논문을 검증하며 초안을 작성하는 장면을 상상해 보세요. 이 도구는 복잡한 연구 과정을 자동화하는 명령줄 프로그램입니다. 사용자가 직접 코드를 짜거나 수동으로 논문을 읽지 않아도, 구조화된 연구 결과와 출처를 확인할 수 있는 파일을 만들어 줍니다.
연구 워크플로우의 자동화
이 도구는 단순한 검색을 넘어, 연구의 전 과정을 돕는 여러 명령어를 제공합니다. /deepresearch는 병렬로 연구자를 배치해 주제를 조사하고 인용을 확인하며, /lit은 문헌 리뷰를 통해 합의점과 이견, 미해결 문제를 정리합니다. /review는 논문이나 초안에 대한 비판과 수정 계획을 제시하고, /audit는 논문의 주장과 공개된 코드를 비교합니다. 또한 /replicate는 재현 계획을 세우고, /recipe는 데이터셋과 코드가 포함된 기계 학습 훈련 레시피를 순위대로 보여줍니다.
다양한 데이터 소스와 에이전트 구조
이 도구는 alphaXiv, Semantic Scholar, arXiv, PubMed, Hugging Face 등 다양한 학술 데이터베이스와 웹, 로컬 PDF를 검색합니다. 내부적으로는 연구자, 검증자, 리뷰어, 작가라는 네 가지 에이전트가 협력하여 작업을 수행합니다. 무료 API 키를 설정하면 공유된 속도 제한을 피할 수 있으며, 로컬 모델이나 Zed 같은 에디터와도 연동할 수 있습니다. 모든 결과는 outputs/ 폴더에 저장되며, 일부 명령어는 사용된 출처와 검증 내용을 담은 출처 파일을 함께 생성합니다.
설치와 초기 설정
macOS와 Linux에서는 curl 명령으로, Windows에서는 PowerShell 명령으로 설치할 수 있습니다. Node.js 22.22 이상 환경에서는 npm으로 전역 설치도 가능합니다. 설치 후 feynman setup 명령을 실행해 모델 제공업체에 로그인하면 바로 사용할 수 있습니다. 설치 가이드에는 고정 버전 관리, 제거 방법, Codex와 OpenCode를 위한 스킬 전용 번들에 대한 정보가 포함되어 있습니다.
데이터 수집과 기여 방법
이 도구는 PostHog로 익명의 사용 데이터를 전송합니다. 전송되는 내용은 명령어, 워크플로우, 툴, 모델, 토큰 수, 오류 메시지 및 스택 트레이스이며, 프롬프트나 모델 출력, 논문 내용, 툴 인자는 절대 전송되지 않습니다. FEYNMAN_TELEMETRY=off 환경 변수를 설정하면 이 기능을 끌 수 있습니다. 기여를 원한다면 저장소를 클론한 뒤 npm으로 의존성을 설치하고 테스트를 실행하면 됩니다. 이 프로젝트는 MIT 라이선스로 공개되어 있습니다.