Attention Investment Manager

Product

现在的问题不是没东西读，而是低价值内容太多，注意力被消耗光了。这个产品把注意力当作有限资本，在开始读之前先回答四个问题：

1. 这份内容值得读吗？
2. 真正值得读的是哪部分？
3. 它和我当前的目标、项目、已有知识有什么关系？
4. 读完之后该做什么？

Agent Architecture

计划中的核心模块包括：

• Personal Context：维护当前目标、项目、知识与时间预算。
• Content Analyzer：提取 Claim、Evidence、章节与阅读成本。
• Attention Ranker：评估 Relevance、Novelty、Credibility 与 Actionability。
• Reading Map：生成章节、页码或时间戳级别的阅读建议。
• Action Compiler：把阅读结果转成 Decision、Experiment、Task 或 Knowledge Update。

Experiments & Evals

第一阶段将从可解释 Baseline 开始，重点验证：

• 推荐接受率与实际阅读率
• 推荐段落命中率
• 阅读后的 Action Conversion
• “读完但无价值”的 Regret Rate
• 推荐置信度与真实价值的 Calibration
• 节省的阅读时间与后续知识复用率

Iteration Log

v0.0 · Product framing

完成问题定义和系统边界。下一步是建立 Attention Decision Card 与最小可评测数据结构。