从趋势与基础设施里挑五个值得看的商业切口，标注拥挤度与差异化。
买的是 agent 的底座
本周的标的共同指向同一件事：AI 的落地不再停在「对话框」，而是给 agent 配齐运行时、记忆、数据与执行环境。编排、工作区、数据检索、记忆、调试器——哪个环节能标准化交付，哪个就有账可算。
定位开源 AI 智能体框架与编排层，把 Claude Code/Codex/Cursor 等编码 agent 统一编排并加治理。
付费多编码 agent 并行的大型研发团队，按企业编排与托管席位授权。
规模化跨行业通用，编排粒度可标准化复制。
边际低 · 纯软件框架，无重硬件。
验证pip install omnigent 按 README 起多 agent demo。
定位自托管 AI 工作区，把团队知识、对话与工具收敛到自主可控环境。
付费数据不外泄的团队，替代高价托管工作区；托管版+支持订阅。
规模化工作区需求跨行业通用，交付可标准化。
边际低 · 开源软件 + 可选托管。
验证docker compose up 起本地实例（见 README）。
定位面向 AI 的数据搜索引擎，autoindex 自动索引，让 agent 直接检索业务数据。
付费做数据检索与知识应用的团队，嵌入授权或托管搜索服务。
规模化数据检索需求通用，可标准化嵌入。
边际低 · 纯软件库与服务。
验证cargo run 起本地索引，README 有 3 分钟示例。
定位Git 原生编码 agent 持久记忆，落地 Google OKF v0.2，毫秒级读写。
付费要跨会话保留 agent 记忆的团队，自托管 + 托管记忆服务。
规模化agent 记忆是通用痛点，接入规范统一。
边际低 · 纯软件基础组件。
验证go run 起本地服务，README 有接入 Claude Code 示例。
定位把 x64dbg 调试器暴露给 AI agent 的原生 MCP 插件，agent 直接做二进制分析与逆向。
付费逆向与安全研究、恶意样本分析团队，窄而高付费意愿，企业授权 + 支持。
规模化垂直但标准——调试器 MCP 可标准化交付。
边际低 · 软件插件。
验证装进 x64dbg 后向 agent 声明 MCP 联调，按 README 指引。
Odysseus（odysseus-dev/odysseus）。增速在五者中最健康（近30天 +7,576），自托管工作区商业化路径清晰，差异化切口明确（数据自主可控）。自托管空间正处在结构性缺口的起点。
五项共同落在同一条线上：AI 从「聊对话框」转向「给 agent 配齐底座」——编排（Omnigent）、工作区（Odysseus）、数据检索（XERJ）、记忆（OKF）、执行环境（x64dbg MCP）。真正的钱在 agent 的运行时与数据，而非 agent 外壳本身。