Question

我已经在仓库里使用 Codex、Claude 或 OpenCode，不想安装 Feynman 终端、Node runtime、认证存储和 Pi packages；只安装 research skills 是否足够？

Answer 1

适合，如果你的目标是把研究技能嵌入现有 agent，而不是使用完整终端应用或 science workbench。

README 的 Skills Only 安装明确“不安装 Feynman terminal, bundled Node runtime, auth storage, or Pi packages”。
Codex 可安装到 ~/.codex/skills/feynman，仓库级 Claude/agent 可安装到 .agents/skills/feynman。
OpenCode 有独立的 .opencode/skills/feynman 目标，适合项目本地分发。
安装内容包括 bundled skills/、prompts/ 和这些 skills 引用的 repo guidance files，因此可复用研究能力，但不等同于完整的会话、工作台、Notebook、compute 或文件管理体验。

如果你需要 feynman serve、工作台状态或完整 Pi runtime，skills-only 就不够。

Answer 2

适合优先选择 standalone native bundle，因为它自带固定版本的 Node.js，并支持显式指定 release；npm 方式则依赖本机 Node.js。

macOS/Linux 安装器会下载 standalone native bundle，内置 pinned Node.js runtime。
安装器在替换现有安装前校验 release SHA-256，适合把运行时和发布包完整性纳入部署流程。
README 允许通过命令参数固定版本，例如 curl -fsSL https://feynman.is/install | bash -s -- 0.2.35。
npm alternative 使用 local Node.js runtime；而且 feynman update 只刷新 Pi packages，不会替换 standalone runtime bundle，升级职责需要区分。

因此，要求运行时一致时选 standalone；若团队已有统一 Node.js 管理和 npm 发布流程，npm 方式才更自然。

Answer 3

适合，因为它把论文、代码一致性审计、复现规划和训练方案排序放在同一个研究代理环境中。

/audit 明确用于“Paper vs. codebase mismatch audit”，可直接针对论文主张与代码实现做对照。
/replicate 用于规划复现检查，但 README 要求选择环境后才执行，说明它不是无条件的一键复现器。
/recipe 会按数据集、方法、代码和验证状态排序 ML training recipes，适合建立候选方案清单。
论文解析支持 DOI、arXiv ID、OpenAlex ID、PMID、PMCID 或标题，并可结合 OpenAlex、arXiv/alphaXiv、DOI 和 Europe PMC 获取来源。

仍需确认目标代码仓库的语言、依赖、硬件和运行方式是否被当前 compute 或 Files 环境支持。

Answer 4

视情况：Feynman 明确提供有边界的实验循环和 compute 相关工作台能力，但 README 没有保证任意项目都能开箱执行，也没有给出资源、权限和停止条件的默认配置。

/autoresearch 定义为“Bounded experiment loop with benchmark evidence”，与按基准证据迭代实验的目标直接匹配。
feynman serve 包含 compute、Files host inventory，以及 local、SSH/BYOC 和 cloud-backed artifact contexts。
工作台记录中还包含 compute egress、Modal environment fields 和 compute poller lease state，说明它考虑了计算任务状态管理。
项目洞察明确指出，autoresearch、compute 和代码执行可能造成资源消耗、环境污染或副作用；使用限制也说明能力受依赖、硬件、容器或远程环境配置限制。

所以它适合已具备受控执行环境的 ML 工程流程，不适合把任意仓库直接当作安全的自动实验平台。

Answer 5

视情况：模型调用可以走本地服务，但文献检索和来源抓取仍可能需要外部网络，因此不能仅凭本地模型宣称完全离线。

README 明确支持 LM Studio，默认 endpoint 为 http://localhost:1234/v1；LiteLLM 默认是 http://localhost:4000/v1。
Ollama 和 vLLM 可通过 Custom provider、openai-completions 和本地 /v1 endpoint 接入。
/lit、/review 和 /draft 分别覆盖文献综述、研究审查和基于研究结果的论文式写作。
但项目依赖 OpenAlex、arXiv/alphaXiv、DOI、Europe PMC 等来源；README 没有承诺这些检索在无网络环境下可用。

如果资料、凭据和来源都必须留在隔离网络内，是否可用取决于你们能否提供本地来源副本及其访问方式。

Answer 6

视情况：功能覆盖面与长期研究记录需求高度匹配，但 README 的发布数据和项目洞察都表明，部分工作台与科学工具能力仍可能处于快速演进阶段。

feynman serve 提供 project/session navigation、Notebook、compute、Files host inventory、来源、设置、lineage 和 provenance。
它还支持音视频、表格、Notebook、LaTeX 和科学 artifact 预览，以及 artifact Notes 和 note preview。
工作台状态位于 ~/.feynman/orgs//workbench，并有 feynman-workbench.db 镜像，适合保留结构化研究记录。
但当前项目最新版本是 v0.3.48、发布数量为 5；README 未给出升级兼容性、备份恢复、多人协作或数据迁移保证。

因此，适合个人或小范围持续研究；若要求成熟的团队级治理和明确的数据生命周期，现有信息不足。

🧭 决策指南

💡 深度解析