个人研究者的联网调研入库工作区

用AnythingLLM等RAG工作区做调研的用户，最大痛点不在对话而在资料准备环节：问题源自GitHub issue（Mintplex-Labs/anything-llm，2025-07-26，14分/6评论，pain=3）。用户原话是 "This would save me the huge step of manually finding, saving, and uploading articles."——每研究一个新主题都要手动找文章、保存、再上传进工作区，链条长且重复，导致工作区永远滞后于真实研究进度。

正在使用AnythingLLM等开源RAG工具做个人调研的用户（学生、独立研究者、技术调研人员）。信号仅来自单一开源项目的issue区（14分/6评论），属于小众但明确的痛点人群，市场规模偏小且付费能力未经验证。

• 问题驱动的自动检索： 输入研究问题后自动拆解子问题并联网搜索，无需手动找资料
• 带链接的结构化汇总： 生成摘要报告，每个结论附来源链接，可核查
• 一键入库： 把搜索命中的网页正文清洗、切分后直接写入RAG知识库
• 来源内继续对话： 后续问答自动限定在已入库的来源上，答案可溯源

AI角色： LLM负责问题拆解、搜索结果筛选与摘要生成；embedding与RAG负责网页内容的向量化沉淀和溯源问答。

做： 用户输入一个研究问题 → 自动联网多轮搜索 → 生成带引用链接的中文汇总 → 一键把命中的网页正文清洗后导入本地知识库 → 基于这些来源继续追问对话。

不做： 多智能体深度研究编排、PDF/扫描件解析、团队协作与分享、移动端、与AnythingLLM之外工作区的深度集成。

• 被上游收编（最大风险）： 需求本身是AnythingLLM的公开feature request，官方或社区随时可能实现，独立产品窗口期不确定。
• 通用工具挤压： 联网搜索+带链接汇总已被Perplexity等通用产品覆盖，差异化只剩“来源沉淀进可对话知识库”这一步。
• 成本结构： 联网搜索API与网页抓取有持续成本，而目标用户是开源工具用户，付费意愿未见证据。
• 信号单薄： 仅1条issue、pain=3、6条评论，需求真实但强度和规模未经交叉验证。