AI 分析
痛点：同时跑多个 AI 编码 agent 时，开发者不知道谁在干活、谁在等人工介入、谁改了哪些文件，只能在多个终端间来回切换浪费时间。
目标用户：同时使用 Claude Code / Codex / Gemini CLI 等多个 AI 编码 agent 的独立开发者和小型工程团队
证据：At some point I had five of them running in five terminals, and I spent more time checking who is doing what than building. / The hard part wasn't running agents in parallel, it was knowing when one of them needs me. Everything that needs a human now lands in one list.
变现：开源核心免费，做团队协作版订阅（共享任务板、记忆和审计日志）、按并行 agent 席位收费、企业版策略和权限管控与自托管部署
MVP：两周内做单机版：把多个 agent 的状态（运行中/待确认/完成）聚合成一个列表，需要人工介入时推送桌面通知；再用 git worktree 做任务隔离，先不做自动合并和 reviewer agent
竞品：Conductor、Crystal、Claude Squad、Vibe Kanban、tmux+Claude Code 原生多 agent 方案
摘要：独立开发者因同时跑 5 个 Claude Code 终端而失焦，于是做出 Hangar.AI 1.0：单一窗口并行运行多个 CLI agent、共享任务板与记忆、主 agent 拆任务并用 git worktree 并行执行、测试通过加独立 agent review 后才合并。项目以 MIT 开源、完全本地、免账号，无任何付费或收入信号，但多 agent 编排这一痛点真实且该赛道已出现付费竞品。