从 Agent 能力层与配套基建里挑五个值得看的商业切口，标注拥挤度与差异化。
今天挑的项目分两条线：Agent 正在补齐具体能力（读网页社媒、做演示、跑研究），配套基建（可验证评测、端侧视觉）也在硬化。共同点是把 recurring SaaS 费用与对云的依赖往本地搬。
定位给 AI Agent 一个统一 CLI，免 API 费读取与检索 Twitter、Reddit、YouTube、GitHub、B站、小红书等公开内容。
痛点Agent 联网取社媒数据，只能买 Apify、PhantomBuster、Bright Data 等按量付费 API。
付费Agent 开发者与数据团队；开源 CLI 省订阅，可走托管/反检测增值变现。
规模化跨平台通用，需求稳定，交付可标准化。
边际低 · 纯软件 CLI，新增用户成本趋零。
验证git clone https://github.com/Panniantong/Agent-Reach && cd Agent-Reach，按 README 安装后跑一个搜索示例（无需 API key，仅读公开页）。
定位把文档或主题直接生成真正的原生 PowerPoint——原生形状、切换动画、数据图表，可套自己的 .pptx 模板。
痛点做汇报要花时间排版，或订阅 Gamma、Tome、Beautiful.ai 等按月付费的 AI 演示工具。
付费商务与教学用户；开源本地生成省订阅，可走桌面版/企业授权变现。
规模化演示生成跨行业通用，需求大。
边际中低 · 软件为主，原生渲染需 LibreOffice/PowerPoint 参与。
验证git clone https://github.com/hugohe3/ppt-master && cd ppt-master，按 README 用主题/文档生成一份 PPTX（需本地渲染引擎）。
定位面向 RLVR（可验证奖励）的隔离可执行评测与在线奖励基础设施，提供可复现、隔离的执行与打分。
痛点训练与评测 Agent/模型时缺可信、可复现的执行环境与奖励信号，现有方案零散或闭源。
付费做大模型训练与 Agent 评测的团队；开源核心 + 企业支持/托管。
规模化评测与奖励是训练链路通用组件，可跨任务复用。
边际低 · 纯软件，新增评测任务成本趋零。
验证git clone https://github.com/aaron-for-value/VeriRun && cd VeriRun，按 README 跑一个 Docker 隔离评测样例（需 Docker）。
定位生产级 C++ 边缘 AI 引擎，做视频分析与端侧 VLM，覆盖 Sophon、Rockchip RKNN 与 x86，带编排、OSD、事件与基准。
痛点零售、制造、安防现场做视频智能分析，往往依赖昂贵的 VMS 与云端 CV 平台。
付费视觉智能化集成商与终端企业；开源引擎 + 实施/授权，替代付费 VMS 与 CV SaaS。
规模化跨零售、制造、安防等行业，但硬件碎片化使标准化交付中等。
边际低 · 软件引擎，自托管；每类硬件有少量集成成本。
验证git clone https://github.com/cosmo-wander-ai/cosmo-edge && cd cosmo-edge，x86 CPU 路径跑视频分析 demo（完整验证需 Rockchip 开发板）。
定位把 coding agent 变成研究 agent——自动做深度研究、可计算机执行的研究流程。
痛点研究者与分析师付钱买研报与调研服务，过程慢且数据留在别人手里。
付费学术、医药、金融研究用户；alphaXiv 可走托管/增值，替代付费调研服务。
规模化研究自动化跨领域通用，需求稳定。
边际低 · 纯软件，新增用户成本趋零。
验证git clone https://github.com/alphaXiv/OpenResearch && cd OpenResearch，按 README 把 coding agent 接成研究 agent（需 LLM key）。
Panniantong/Agent-Reach。约 7 个月涨到 8.2 万星，切口最干净：用零 API 费的统一 CLI 替代 Agent 开发者正在付钱的社媒数据 API，MIT 许可、一条命令可验证。
今天五个项目指向同一方向——Agent 正在补齐具体能力（读网页社媒、做演示、跑研究、可被验证、在端侧看世界），配套基建（可验证评测、端侧视觉）也在硬化。
对行业的含义是：Agent 栈正从「更会聊」转向「更能干、更可控、把 recurring SaaS 费用搬回本地」。