我这两天做了一个小项目： GitHub Opportunity Miner ，一个从 GitHub issues 里挖创业机会的 Agent。
很多人想做产品、想创业，最难的不是技术实现，而是判断：这个需求到底是不是真的？
GitHub issues 其实是一个很真实的需求池。
里面经常有人说：
“部署到生产环境太难了。”
“有没有 hosted version？”
“我们团队需要权限管理。”
“本地能跑，但上线后完全没法 debug。”
“有没有 dashboard 可以看 trace？”
“企业环境下 SSO / RBAC 怎么办？”
我的这个 Agent 会做三件事：
1. 从 GitHub issues 里找真实开发者痛点
2. 过滤安装失败、一次性 bug 这类低价值噪音
3. 生成有证据链的创业机会卡
比如它分析 RAG evaluation，可能会发现：
很多团队不是不会用 RAG，
而是上线前不知道怎么评估效果，
失败案例很难复现，
也很难追踪到底是 query、document、prompt 还是 model step 出了问。
这背后可能就是一个机会：
面向 AI 团队的 RAG 评估与调试 dashboard。
我最看重的是 evidence-first。
它会先问：
有没有真实 issue 证据？
这个痛点是不是反复出现？
是不是生产环境里的问？
有没有商业化缺口？
证据不够，就不建议急着 build。
目前基础版已经开源，还很早期。
我想验证AI 能不能不只是生成想法， 而是帮我们更系统地发现真实需求？
欢迎交流！
repo: https://github.com/whitesungun876/Opportunity-Mining-Agent
@aigc1024
很多人想做产品、想创业，最难的不是技术实现，而是判断：这个需求到底是不是真的？
GitHub issues 其实是一个很真实的需求池。
里面经常有人说：
“部署到生产环境太难了。”
“有没有 hosted version？”
“我们团队需要权限管理。”
“本地能跑，但上线后完全没法 debug。”
“有没有 dashboard 可以看 trace？”
“企业环境下 SSO / RBAC 怎么办？”
我的这个 Agent 会做三件事：
1. 从 GitHub issues 里找真实开发者痛点
2. 过滤安装失败、一次性 bug 这类低价值噪音
3. 生成有证据链的创业机会卡
比如它分析 RAG evaluation，可能会发现：
很多团队不是不会用 RAG，
而是上线前不知道怎么评估效果，
失败案例很难复现，
也很难追踪到底是 query、document、prompt 还是 model step 出了问。
这背后可能就是一个机会：
面向 AI 团队的 RAG 评估与调试 dashboard。
我最看重的是 evidence-first。
它会先问：
有没有真实 issue 证据？
这个痛点是不是反复出现？
是不是生产环境里的问？
有没有商业化缺口？
证据不够，就不建议急着 build。
目前基础版已经开源，还很早期。
我想验证AI 能不能不只是生成想法， 而是帮我们更系统地发现真实需求？
欢迎交流！
repo: https://github.com/whitesungun876/Opportunity-Mining-Agent
@aigc1024
