01Core pain point and demand
AI编程模型（如 Opus 5.5）近期出现明显质量退化：不做偏好确认就做出荒谬假设、忽略此前已确定的架构决策、在高层次性能取舍上判断失误，用户需要反复纠正，且模型往往在被指出后才给出补救式回应，浪费大量时间并降低信任。
02Product solution
构建一个轻量级“AI 编程纠偏层”：在 IDE/CLI 与模型之间插入中间层，自动维护项目决策记忆（架构约定、偏好、已否决方案），在每次请求前注入结构化上下文并强制模型先确认关键假设；同时检测回答中的假设跳跃、与历史决策冲突、性能取舍错误，实时提示并生成纠正指令，减少用户反复纠错成本。
03Monetization and business model
采用 SaaS 订阅制：免费版提供基础决策记忆与假设确认提示；付费版提供冲突检测、退化告警、团队共享决策库与多模型支持；另可提供企业版私有部署与 API 调用计费。
04Action steps
- 1访谈 20 位 Claude Code/Opus 重度用户，验证质量退化场景与纠错成本
- 2设计项目决策记忆的数据结构（架构约定、偏好、已否决方案）
- 3开发 MVP：请求前上下文注入 + 强制假设确认 + 冲突检测提示
- 4在 VS Code 与 CLI 中集成，支持 Claude 与主流模型
- 5邀请 50 名种子用户内测，收集纠错次数下降数据
- 6上线订阅计费并发布退化监测报告作为获客内容
- 7迭代团队共享决策库与企业私有部署版本
05Risk notice
依赖第三方模型 API，模型更新可能自行修复问题从而削弱需求；上下文注入可能增加 token 成本与延迟；用户对中间层信任度建立较慢；大厂（Anthropic、Cursor）可能原生集成类似功能形成竞争。