01Core pain point and demand
个人 AI agent 应用普遍不主动询问用户意图就擅自假设，且用户设定的规则、价值观与目标被锁在单个 agent 或 harness 内，无法复用；每换一个新 agent 都要从头重新配置，导致行为不一致、反复调教、信任感下降。
02Product solution
构建一个跨 agent 的“个人规则与价值观层”：用户以自然语言或结构化表单一次性定义偏好、边界、价值观与目标，系统将其编译为可移植的规则包（含 system prompt 片段、约束策略与记忆摘要），通过 API、MCP 或剪贴板/快捷指令等方式注入到不同 agent 与 harness 中；同时提供冲突检测、版本管理与“先询问再行动”的意图确认模板，让 agent 在关键决策前主动征询用户。
03Monetization and business model
采用 freemium 订阅制：基础规则包与单设备同步免费；付费解锁多 agent 连接器、跨设备云同步、规则冲突检测、团队/家庭共享规则库与审计日志。另可通过与 agent 应用厂商的 API 集成分成、企业版私有部署授权变现。
04Action steps
- 1访谈 20–30 名多 agent 重度用户，梳理其规则复用痛点与最常配置的规则类型。
- 2设计规则包数据模型（偏好、边界、价值观、目标、意图确认策略）与可移植格式（JSON + 自然语言片段）。
- 3开发 MVP：规则编辑器 + 一键导出为 system prompt / MCP 配置，先支持 2–3 个主流 agent。
- 4加入“先询问再行动”意图确认模板库与规则冲突检测功能。
- 5在 Reddit、Product Hunt 与中文社区小范围发布，收集留存与付费意愿数据。
- 6扩展连接器生态，接入更多 agent 与 harness，并上线云同步与版本管理。
- 7建立订阅计费与团队共享功能，推进与 agent 厂商的集成合作。
05Risk notice
主要风险包括：主流 agent 厂商可能推出原生跨应用记忆与规则同步功能，挤压第三方空间；各 agent 的注入接口不统一且频繁变动，维护成本高；规则与价值观数据高度敏感，一旦泄露或滥用将严重损害信任，需端到端加密与本地优先设计；用户对“配置规则”本身存在学习成本，可能影响转化。