AI 分析
痛点：AI 开发者在构思 agent 项目时，要花费数小时反复查证『这个问题是否已被解决、赛道是否已经太拥挤、还剩下什么值得做的空白』，这些信息分散在论文、GitHub 和搜索引擎中，每换一个想法都要重新拼一遍。
目标用户：AI agent 方向的独立开发者、早期 AI 创业者、寻找课题的研究生与研究员，以及需要判断技术饱和度的投资人
证据：Every time I had an idea for an AI agent project, I ended up spending hours trying to answer three questions: Has someone already solved this? Is everyone already working on it? Is there actually an interesting problem left to tackle? … build something I wanted to use myself.
变现：免费检索引流；付费订阅提供每周新论文驱动的趋势提醒、细分领域深度报告、导出与 API；对 VC 和研究团队销售席位授权，用于技术尽调
MVP：用 arXiv API 和 bge-small 类嵌入做检索，用 LLM 从摘要中抽取 limitation/future work 原句作为证据，先只覆盖一个细分方向（如 agent memory 或 evaluation）；页面只做三件事：输入一句想法，返回相关开放问题、近 12 个月论文趋势和相关产品，再加邮件订阅
竞品：Semantic Scholar、Elicit、Consensus、Papers with Code、Google Scholar、arXiv 原生搜索
摘要：作者用 Python、bge-small 嵌入和每日更新的约 37.5 万篇 2024 年以来 arXiv CS 论文索引，做了一个收录 410 个 AI agent 开放问题的可搜索地图 ResearchLedger，每条问题都附论文原句作为证据，并支持用一句话描述想法来反查相关空白。帖文验证了『选题前查重、找空白』这一真实痛点（作者自己每有新想法都要耗数小时），但全文没有任何付费意愿或收入数据，需求目前只由作者一人自证。