Валидатор идей: AI проверяет рынок прежде чем вы начнёте Skip to content
neirohost AI-агенты за 5 минут
Регистрация

Валидатор идей: AI проверяет рынок прежде чем вы начнёте

Валидатор идей: AI проверяет рынок прежде чем вы начнёте

Вы говорите агенту: «Сделай мне инструмент для AI-ревью кода». Он послушно кодит шесть часов. А потом выясняется, что на GitHub уже 143 000 репозиториев на эту тему, а у топового проекта — 53 000 звёзд. Знакомо?

Это самая дорогая ошибка в разработке — строить то, что уже построено. Не потому что идея плохая, а потому что никто не проверил рынок перед тем, как писать первую строку кода. Скилл Pre-Build Idea Validator решает именно эту проблему: AI-агент автоматически сканирует пять источников реальных данных и выдаёт оценку, насколько рынок занят.

Проблема: вы не знаете, что уже существует

Типичный сценарий: разработчик придумывает инструмент, находит название, проектирует архитектуру, пишет код — и только после релиза обнаруживает, что аналоги существуют уже несколько лет и набрали десятки тысяч пользователей. Особенно это болезненно для сольных разработчиков и малых команд, которые не могут позволить себе потерянные недели.

Проблема усугубляется тем, что AI-агенты — по умолчанию — не проверяют рынок. Они делают ровно то, что им сказали. Если вы попросили написать CLI-утилиту, агент напишет CLI-утилиту. Он не полезет на GitHub проверять, сколько аналогов уже есть. Это не его задача — пока вы явно не добавите это правило.

Что делает Pre-Build Idea Validator

Скилл работает как предварительный фильтр перед началом любой разработки. Прежде чем агент напишет хоть одну строку кода, он:

  • Сканирует 5 источников — GitHub, Hacker News, npm, PyPI, Product Hunt
  • Вычисляет reality_signal — числовой скор от 0 до 100, показывающий, насколько ниша занята
  • Показывает конкурентов — топ-проекты с количеством звёзд и описаниями
  • Предлагает направления для пивота — если рынок перегрет, скилл подсказывает, куда можно сместиться
  • Принимает решение — высокий скор = стоп и обсуждение, низкий = строим

Как работает скоринг

Логика простая и прозрачная:

  • reality_signal > 70 — стоп. Рынок переполнен. Агент показывает топ-3 конкурента с количеством звёзд и спрашивает: продолжить, пивотнуть или забросить?
  • reality_signal 30–70 — жёлтая зона. Агент показывает результаты и подсказывает нишевый угол, который существующие проекты не покрывают.
  • reality_signal < 30 — зелёный свет. Пространство открыто, строим.

Скор основан на реальных данных — количество репозиториев, распределение звёзд, объём обсуждений на HN. Это не угадывание языковой модели, а фактическая разведка.

Живой пример

Вы: «Сделай мне CLI-утилиту для AI-ревью кода»

Агент запускает проверку и отвечает:

reality_signal: 90/100 (очень высокий)

Топ конкурентов:

  • Gitea — 53 940 звёзд
  • reviewdog — 9 104 звезды
  • Danger — 5 649 звёзд

143 000+ связанных репозиториев. Лидеры зрелые и хорошо финансируются.

Предложения по пивоту:

  • Один язык (только Rust или Go)
  • Один фреймворк (ревью React/Vue-компонентов)
  • Одна отрасль (финансовая/медицинская compliance-проверка)

Продолжить с дифференциацией или переключиться?

Вы: «А что насчёт MCP-сервера для валидации идей перед сборкой?»

reality_signal: 8/100 (очень низкий)

Прямых конкурентов в PyPI и npm не найдено. На GitHub есть смежные проекты, но ни один не решает именно эту задачу.

Пространство открыто. Приступаю к сборке.

Варианты использования

Глубокое сканирование. Для серьёзных решений — запускайте глубокий режим, который параллельно опрашивает все пять источников. Это даёт полную картину перед стартом долгосрочного проекта.

Батч-валидация перед хакатоном. Дайте агенту список из 10 идей — он отранжирует их по reality_signal. Самый низкий скор = самая оригинальная возможность. Не тратьте хакатон на изобретение велосипеда.

Веб-демо без установки. Если хотите просто глянуть, как это работает — на mnemox.ai/check есть веб-интерфейс. Попробуйте прежде чем устанавливать.

Почему это важно

Высокий reality_signal — это не приговор. Это сигнал «дифференцируйся или не трать время». Низкий скор — это реальная белая пятно, где у сольного разработчика лучшие шансы на успех.

Ключевое преимущество: вы узнаёте о конкуренции до того, как потратили неделю на код, а не после. Для инди-разработчика это может быть разница между успешным запуском и выброшенным временем.

Установка

Установите MCP-сервер:

uvx idea-reality-mcp

Добавьте в конфигурацию агента:

{
  "mcpServers": {
    "idea-reality": {
      "command": "uvx",
      "args": ["idea-reality-mcp"]
    }
  }
}

И добавьте инструкцию агенту:

Before starting any new project, feature, or tool, always run idea_check first.

Rules:
- If reality_signal > 70: STOP. Report the top 3 competitors with star counts.
  Ask me if I want to proceed, pivot, or abandon.
- If reality_signal 30-70: Show me the results and pivot_hints.
  Suggest a niche angle that existing projects don't cover.
- If reality_signal < 30: Proceed to build.
  Mention that the space is open.
- Always show the reality_signal score and top competitors before writing any code.
Скачать скилл (Markdown) 
# Валидатор идей перед началом разработки

Перед тем как OpenClaw начнёт создавать что-то новое, он автоматически проверяет, существует ли уже подобная идея на GitHub, Hacker News, npm, PyPI и Product Hunt — и корректирует свой подход на основе найденного.

## Что делает этот скилл

- Сканирует 5 реальных источников данных (GitHub, Hacker News, npm, PyPI, Product Hunt) до написания любого кода
- Возвращает оценку `reality_signal` (0-100), показывающую, насколько переполнена ниша
- Показывает основных конкурентов с количеством звёзд и описаниями
- Предлагает направления для пивота, когда ниша насыщена
- Работает как предварительный фильтр: высокий сигнал = стоп и обсуждение, низкий сигнал = продолжаем

## Проблема

Вы говорите агенту «создай мне инструмент для AI-ревью кода», и он с удовольствием пишет код 6 часов. Тем временем на GitHub уже существует 143 000+ репозиториев — у лучшего из них 53 000 звёзд. Агент никогда не проверяет, потому что вы не просили, и он не знает, что нужно искать. Вы обнаруживаете конкурентов только после того, как вложили значительное время. Этот паттерн повторяется для каждой новой идеи проекта.

## Необходимые скиллы

- [idea-reality-mcp](https://github.com/mnemox-ai/idea-reality-mcp) — MCP-сервер, который сканирует реальные источники данных и возвращает оценку конкуренции

## Как настроить

1. Установите idea-reality-mcp:

```bash
uvx idea-reality-mcp
```

2. Добавьте MCP-сервер в конфигурацию OpenClaw:

```json
{
  "mcpServers": {
    "idea-reality": {
      "command": "uvx",
      "args": ["idea-reality-mcp"]
    }
  }
}
```

3. Добавьте следующее в инструкции вашего агента OpenClaw:

```text
Before starting any new project, feature, or tool, always run idea_check first.

Rules:
- If reality_signal > 70: STOP. Report the top 3 competitors with star counts.
  Ask me if I want to proceed, pivot, or abandon.
- If reality_signal 30-70: Show me the results and pivot_hints.
  Suggest a niche angle that existing projects don't cover.
- If reality_signal < 30: Proceed to build.
  Mention that the space is open.
- Always show the reality_signal score and top competitors before writing any code.
```

## Пример из реальной жизни

**Вы:** «Создай мне CLI-инструмент для AI-ревью кода»

OpenClaw запускает `idea_check("AI code review tool")` и отвечает:

> **reality_signal: 90/100 (очень высокий)**
>
> Основные конкуренты:
> 1. Gitea — 53 940 звёзд
> 2. reviewdog — 9 104 звезды
> 3. Danger (Ruby) — 5 649 звёзд
>
> В этой нише 143 000+ связанных репозиториев. Лидеры рынка зрелые и хорошо финансируемые.
>
> **Предложения по пивоту:**
> - Сосредоточиться на конкретном языке (AI-ревью кода только для Rust/Go)
> - Нацелиться на конкретный фреймворк (ревью компонентов React/Vue)
> - Нацелиться на конкретную отрасль (проверка соответствия кода в финансовой/медицинской сфере)
>
> Стоит ли продолжать с дифференцированным углом или переключиться на другое?

**Вы:** «А как насчёт MCP-сервера для валидации идей перед разработкой?»

> **reality_signal: 8/100 (очень низкий)**
>
> Прямых конкурентов на PyPI или npm не найдено. На GitHub есть несколько косвенно связанных репозиториев, но ни один не решает именно эту задачу.
>
> Ниша полностью свободна. Приступаю к разработке.

## Варианты использования

- **Глубокий режим для серьёзных решений**: Используйте `depth="deep"` для сканирования всех 5 источников параллельно (GitHub + HN + npm + PyPI + Product Hunt) при принятии важных решений о проекте.
- **Пакетная валидация**: Перед хакатоном дайте OpenClaw список из 10 идей и попросите ранжировать их по `reality_signal` — самый низкий балл = наиболее оригинальная возможность.
- **Сначала веб-демо**: Попробуйте без установки на [mnemox.ai/check](https://mnemox.ai/check), чтобы понять, подходит ли вам этот рабочий процесс.

## Ключевые выводы

- Это предотвращает самую дорогую ошибку в разработке: **решение уже решённой проблемы**.
- `reality_signal` основан на реальных данных (количество репозиториев, распределение звёзд, объём обсуждений на HN), а не на предположениях LLM.
- Высокий балл не означает «не стройте» — это значит «дифференцируйтесь или не тратьте время».
- Низкий балл означает, что существует настоящая незанятая ниша. Именно там у одиночных разработчиков лучшие шансы.

## Ссылки

- [idea-reality-mcp GitHub](https://github.com/mnemox-ai/idea-reality-mcp)
- [Веб-демо](https://mnemox.ai/check) (попробуйте без установки)
- [PyPI](https://pypi.org/project/idea-reality-mcp/)

Ссылки