Feynman bündelt KI-Recherche und prüfbare Forschungsartefakte

Worum es geht

Feynman ist ein quelloffener Forschungsagent von Companion, der wissenschaftliche Recherche nicht bei einer Chat-Antwort beendet. Das Werkzeug sucht Fachliteratur und Webquellen, erstellt belegte Übersichten, vergleicht Aussagen aus Publikationen mit öffentlichem Code und plant Replikationsversuche. Es läuft im Terminal oder als lokale Forschungswerkbank im Browser.

Das Produkt ist vor allem für Forschende, Studierende und technische Teams interessant, die Ergebnisse, Quellen und Zwischenschritte gemeinsam prüfen möchten. Die offizielle Dokumentation beschreibt Installationen für macOS, Linux und Windows sowie einen eigenen Skills-Baustein für Codex, Claude und OpenCode.

Was Feynman tatsächlich macht

Die Kommandozeile nimmt eine Forschungsfrage entgegen und zerlegt sie je nach Aufgabe. feynman lit erstellt eine Literaturübersicht mit Konsens, Widersprüchen und offenen Fragen. feynman rank ordnet Publikationen nach Zitierbelegen, Methodik, Reproduzierbarkeit und Herkunft. feynman audit vergleicht Behauptungen eines Papers mit dem öffentlich verfügbaren Code. feynman replicate entwirft einen Replikationsplan; Experimente sollen erst nach einer ausdrücklichen Wahl der Ausführungsumgebung starten.

Mit feynman serve öffnet sich eine lokale Werkbank für Projekte, Chats, Dateien, Notebooks, Artefakte und Herkunftsnachweise. Für Literatur und wissenschaftliche Metadaten bindet das Projekt unter anderem alphaXiv, OpenAlex, arXiv, PubMed und Europe PMC ein. Lokale Modelle lassen sich über LM Studio, LiteLLM, Ollama oder vLLM anbinden; alternativ unterstützt Feynman gehostete Modellanbieter.

Die Installation ist als eigenständiges Laufzeitpaket oder über npm möglich. Der eigenständige Installer lädt eine markierte Veröffentlichung, prüft deren SHA-256-Prüfsumme und bringt eine passende Node.js-Laufzeit mit. Wer nur die Forschungsabläufe benötigt, kann die Skills getrennt installieren.

Warum das wichtig ist

Allgemeine Chatbots können eine Literaturliste liefern, doch die eigentliche Arbeit beginnt danach: Welche Quelle trägt welche Aussage? Ist der Code öffentlich? Lässt sich ein Ergebnis unter realistischen Bedingungen wiederholen? Feynman versucht, diese Schritte in einem prüfbaren Arbeitsablauf zusammenzuführen. Der Nutzen liegt weniger in einer einzelnen Antwort als in der Verbindung aus Recherche, Quellenbezug, Artefakten und Verlauf.

Für Teams ist das besonders relevant, wenn ein Bericht später überprüft oder fortgeführt werden muss. Statt lose Chatverläufe, PDFs, Tabellen und Notebooks getrennt zu verwalten, hält die lokale Werkbank diese Elemente in einem Projektkontext. Das senkt nicht automatisch die Fehlerquote, macht Fehler und fehlende Belege aber leichter auffindbar.

Feynman ist unter einer offenen Lizenz auf GitHub verfügbar. Die Produktseite nennt Companion als Anbieter; das Repository und die Dokumentation zeigen den Installationsweg und die unterstützten Forschungsfunktionen. Damit ist das Werkzeug konkret testbar und nicht nur eine angekündigte Landingpage.

Einfach erklärt

Feynman ähnelt einer gut sortierten Reisemappe. Ein normaler Chatbot schreibt vielleicht eine Liste mit Sehenswürdigkeiten. Feynman versucht zusätzlich, Fahrkarten, Öffnungszeiten, Karten, Quittungen und Änderungen so abzulegen, dass eine zweite Person die Reise nachvollziehen kann. Die Mappe kann trotzdem einen falschen Fahrplan enthalten, aber die Herkunft der Planung bleibt sichtbarer.

Praktisches Beispiel

Ein Forschungsteam möchte prüfen, ob eine Trainingsmethode die Fehlerrate eines kleinen Sprachmodells senkt. Zuerst lässt es Feynman 40 relevante Arbeiten sammeln und nach Methodik, Zitiernetz und Reproduzierbarkeit ordnen. Danach wählt das Team fünf Papers für die Volltextprüfung aus.

Mit dem Audit-Befehl vergleicht es die zentralen Aussagen eines Papers mit dessen Repository. Anschließend entsteht ein Replikationsplan für drei Trainingsläufe mit identischem Datensatz und festem Rechenbudget. Ergebnisse, Konfigurationen, Tabellen und ein Notebook liegen in derselben lokalen Werkbank. Erst die Forschenden entscheiden, ob die vorgesehenen Experimente in Docker, auf einem eigenen Rechner oder bei einem Rechenanbieter ausgeführt werden.

Der sinnvolle erste Test ist kleiner: Feynman installieren, eine eng umrissene Frage stellen und zehn gefundene Quellen manuell kontrollieren. Danach sollte das Team prüfen, ob Zitate, Versionen und Schlussfolgerungen tatsächlich zum Original passen.

Einordnung und Grenzen

Erstens bleibt die Qualität von Suchergebnissen und Synthesen vom gewählten Modell, den erreichbaren Datenbanken und den verfügbaren Volltexten abhängig. Eine sauber formatierte Quellenliste beweist noch keine korrekte Interpretation.

Zweitens bedeutet „lokale Werkbank“ nicht automatisch vollständige Datensouveränität. Wer einen gehosteten Modellanbieter oder externe Suchdienste nutzt, überträgt Anfragen an diese Dienste. Sensible Forschungsdaten gehören erst nach einer Prüfung von Konfiguration, Verträgen und Protokollierung in den Ablauf.

Drittens ersetzt Feynman weder Peer Review noch Statistik- und Fachkenntnis. Automatisch erzeugte Ranglisten können wichtige Nischenarbeiten übersehen, und ein Replikationsplan kann methodische Fehler enthalten. Auch Kosten für Modellzugriffe, Rechenleistung und Datenzugang hängen von der gewählten Umgebung ab; ein allgemeiner Gesamtpreis ist nicht angegeben.

SEO- und GEO-Schlüsselbegriffe

Feynman, Companion, AI research agent, Open Source AI, Literaturrecherche, wissenschaftliche Recherche, PaperRank, Reproduzierbarkeit, lokale Forschungswerkbank, Forschungsartefakte, alphaXiv, Codex Skills