【免费下载链接】feynmanThe open source AI research agent.项目地址https://gitcode.com/gh_mirrors/feynman/feynman点击查看免费下载本文以 Feynman 开源 AI 研究代理中的 eli5 技能 为骨架讲解该技能面向的触发场景、论文定位与六段式回答结构并结合仓库内 alpha 工具注册、feynman alphaCLI 透传与技能同步机制给出可直接复用的实操方法。读完本文你将掌握如何在 Feynman 会话中调用论文检索与阅读工具按固定结构把论文、研究结果或密集技术概念翻译成无行话、有类比、可核实的通俗解释。技能是什么skills/eli5/SKILL.mdskills/eli5/SKILL.md是 Feynman 仓库中一个声明式技能skill文件采用 frontmatter 正文的格式。头部两个字段定义了技能的触发边界name: eli5技能标识也是安装后在 Agent 技能目录中的目录名。description声明技能适用场景——用通俗英文解释研究、论文或技术思想要求少行话、有具体类比、有清晰结论。当用户说 ELI5 this、要求用简单方式解释某篇论文或研究结果、要求去掉术语jargon、或询问某个技术密集内容到底是什么意思时应当激活该技能。从仓库的同步实现看技能会被引导bootstrap过程安装到 Agent 运行目录。在 src/bootstrap/sync.ts 中syncManagedFiles(resolve(appRoot, skills), resolve(agentDir, skills), skills, state, result)会把仓库skills/目录整体同步到 Agent 的 skills 目录tests/bootstrap-sync.test.ts 也验证了eli5/SKILL.md这类技能文件的复制行为。也就是说技能生效的前提是 Feynman 完成一次引导同步技能内容随后作为 Agent 的行为约定被读取。触发路径何时该启用 ELI5 模式技能 description 中列出的触发条件非常明确四类用户输入都应当进入该模式用户直接说 ELI5 this把这个讲成五岁小孩都能懂用户要求对某篇论文或研究结果做简单解释用户希望去掉行话、术语用户询问某个技术密集内容“到底是什么意思”。这与其他研究类技能形成互补skills/deep-research/SKILL.md面向“多源深入调查并产出带引用的研究报告”skills/literature-review/SKILL.md面向“文献综述与学术全景梳理”而 ELI5 的唯一目标是降低理解门槛输出短句、具体词汇和类比而不是研究简报。回答默认内联在对话中只有用户明确要求保存为 artifact 时才落盘避免为一段通俗解释制造多余的文件产物。第一步优先定位论文而不是凭空解释技能给出两条硬性规则决定了 ELI5 回答的素材来源用户点名了具体论文优先使用 Feynman 的 alpha 工具alpha_search、alpha_get_paper、alpha_ask_paper等获取论文内容在 shell 中必须调用feynman alpha ...而不是用户机器上可能存在的裸alpha全局命令。用户只给了主题先定位 13 篇代表性论文把整段解释锚定在最清晰或最重要的一篇上。这条“先检索、后解释”的纪律在多个工作流中反复出现。prompts/summarize.md 和 prompts/lit.md 都写明优先使用可见的 Feynman alpha 工具如alpha_searchshell 访问一律通过feynman alpha ...不得调用用户的裸alpha二进制。这样既保证了检索结果来自受管的 alphaXiv 通道也避免解析到环境里版本不明的同名命令。深入 alpha 工具链六个可调用的研究工具ELI5 技能的“先用 alpha 工具”指令底层由 extensions/research-tools/alpha.ts 注册的六个工具支撑该文件通过 extensions/research-tools.ts 的registerAlphaTools(pi)挂载到扩展 API工具名作用关键参数alpha_search通过 alphaXiv 检索论文query检索词modesemantic默认推荐 23 句描述性查询、keyword精确术语、both、agentic宽泛多轮检索、allalpha_get_paper获取论文的 AI 生成报告或原始全文paperarXiv ID、arXiv URL 或 alphaXiv URLfullText控制是否返回原始全文section/sections按章节过滤alpha_ask_paper针对某篇论文提出定向问题AI 分析 PDF 后作答paperquestionalpha_annotate_paper写入或清除论文的持久化本地批注papernoteclearalpha_list_annotations列出全部持久化本地论文批注无alpha_read_code读取论文关联 GitHub 仓库中的代码文件githubUrlpath默认/表示仓库概览对 ELI5 场景而言最常用的组合是alpha_search定位论文 →alpha_get_paper取回内容 →alpha_ask_paper追问不清楚的段落。alpha_get_paper的章节过滤依赖 extensions/research-tools/alpha-sections.ts 中的别名映射abstract/introduction/methodology/experiments/results/discussion/limitations/conclusion八个标准章节均有多组别名例如summary、overview归入 abstractapproach、method归入 methodology并支持从 AI 报告的对象字段或全文文本中按章节切取内容。解释方法部分时直接请求section: methodology能显著减少无关上下文。命令行入口feynman alpha的透传与认证技能要求 shell 中调用feynman alpha ...其实现位于 src/cli.ts。resolveAlphaPassthroughArgs会在原始参数中定位alpha关键字支持--cwd切换工作目录runBundledAlphaCli则从多个候选路径解析随 Feynman 捆绑的 alphaXiv CLI 并派生子进程执行候选路径包括应用根目录的node_modules/companion-ai/alpha-hub/bin/alpha与.feynman/npm/node_modules/...。因此feynman alpha始终运行捆绑版本的 alphaXiv CLI而不是全局环境中的同名二进制——这正是技能强调“不要调用裸alpha”的原因。此外feynman alpha还提供三个认证子命令src/cli.tsfeynman alpha login登录 alphaXiv成功后输出用户名feynman alpha logout清除 alphaXiv 认证feynman alpha status校验认证状态未登录时以非零退出码结束。--alpha-login、--alpha-logout、--alpha-status三个布尔参数也暴露在 CLI 顶层认证状态校验逻辑位于 src/alpha-auth-status.ts。日常使用 ELI5 技能前若feynman alpha status提示未登录应先feynman alpha login否则检索类工具可能无法访问完整内容。输出结构六段式通俗解释模板当用户请求 ELI5 解释时回答必须严格按以下六个小节组织这一模板是技能的核心可交付物One-Sentence Summary一句话总结——用一句话说出论文做了什么、证明了什么Big Idea核心思想——放大这句话背后的主要思想通常配合一个生活化类比How It Works怎么运作——从机制层面拆解方法仍然使用具体、可感的语言Why It Matters为什么重要——这项工作对领域、对读者意味着什么What To Be Skeptical Of该怀疑什么——明确论文的局限、未验证部分与解读空间If You Remember 3 Things记住这三点——用三条短句收束便于记忆与转述。这个结构的价值在于同时服务两类读者外行可以只看第 1、2、6 节快速建立直觉同行可以借第 5 节快速评估可信度。仓库另一处也体现了“一句话主张”的原子化思想——src/rank/paper-rank.ts 在排序时要求centralClaim为“绑定到论文某个章节、图表或摘要字段的一句话主张”与One-Sentence Summary的设计同源。写作纪律类比、行话与事实边界技能的 Guidelines 部分是区分“通俗”与“失真”的关键原文要求短句 具体词汇用短句子和具体名词而不是抽象修饰行话就地处理术语要么立即定义要么直接删除一个强类比胜过多个弱类比不要堆砌类比选一个最贴切的讲透事实与解读分离把论文实际展示的内容与推测、解读分开表述默认内联输出除非用户明确要求否则不要保存为 artifact。最后两条尤其重要。ELI5 不等于“编造简单解释”——What To Be Skeptical Of一节正是用来承载论文自己承认的局限与作者未验证的延伸论断防止把推测写成事实。这一原则也与仓库整体的证据纪律一致深度研究流程如 prompts/summarize.md会把“来源明确支持的”与“仍属推断的”分列ELI5 则在单篇回答内完成同样的分离。实操流程一次完整的 ELI5 会话综合以上机制一次规范的 ELI5 会话应遵循以下步骤判断输入若含论文名、arXiv ID、DOI 或论文 URL直接进入检索若只有主题先alpha_search定位 13 篇代表性论文取回素材用alpha_get_paper必要时带section过滤取回 AI 报告或全文复杂机制可用alpha_ask_paper定向追问需要看实现时用alpha_read_code读论文关联仓库代码组织回答按One-Sentence Summary→Big Idea→How It Works→Why It Matters→What To Be Skeptical Of→If You Remember 3 Things六段输出自查质量逐条对照 Guidelines——句子是否够短、行话是否已定义或删除、类比是否只有一个且贴切、事实与解读是否分离、是否默认内联未落盘。小结与延伸阅读ELI5 技能的精髓可以概括为三句话素材来自 alpha 工具链而非记忆结构固定为六段质量由“事实/解读分离 单一强类比”两条纪律兜底。它回答了“怎么把复杂论文讲明白”的问题而更深层的论文证据链排序主张、引文核验、多源综述则由仓库中的 rank、verifier/reviewer 子代理与/lit、/deepresearch等工作流负责。相关实现与测试可继续阅读技能本体skills/eli5/SKILL.mdalpha 工具注册与参数契约extensions/research-tools/alpha.ts章节提取别名与切取逻辑extensions/research-tools/alpha-sections.tsfeynman alphaCLI 透传与认证子命令src/cli.ts技能引导同步src/bootstrap/sync.ts技能同步测试tests/bootstrap-sync.test.ts赞分享【免费下载链接】feynmanThe open source AI research agent.项目地址https://gitcode.com/gh_mirrors/feynman/feynman点击查看免费下载相关推荐AI SDK 数据流协议Data Stream Protocol深度解析Wave Terminal 的 SSE 流式传输实现AI SDK 数据流协议Data Stream Protocol深度解析Wave Terminal 的 SSE 流式传输实现 本文围绕 AI SDK 的Google Skills 数据血缘技能实战用 datalineage-summary 把 BigQuery 血缘图讲成人话Google Skills 数据血缘技能实战用 datalineage summary 把 BigQuery 血缘图讲成人话 本文基于 skills/clouAI 技能人工智能大模型老 Mac 升级 macOS 完整指南用 OpenCore Legacy Patcher 免费装上 Big Sur 到 Sequoia老 Mac 升级 macOS 完整指南用 OpenCore Legacy Patcher 免费装上 Big Sur 到 Sequoia 点开“系统设置”更新操作系统固件驱动开发上一篇5分钟快速上手BOTW存档编辑器GUI - 塞尔达传说旷野之息终极修改方案下一篇Navicat Mac版无限试用重置脚本专业数据库管理工具永久使用完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考