花三周研究一个烂问题，是最大的时间浪费。HiExplore 把「问题值不值」变成 10 秒的量化判断——大多数「好像挺有意思」的问题，都死在可验证性和可行性这两项上。
不可证伪、被回答过一万遍、没法知道你对没对。
可验证、具体、还没人发表过。
六维权重是可调整的判断，欢迎去 GitHub 提 issue 挑战它。
不是让你点 50 个按钮——你只做判断，AI 团队做苦力。
写下你真正想搞清楚的问题，或从问题广场挑一个。
QVS 六维评分 + 优化建议，先筛掉不值得研究的。
拆成 5–8 个方向 → 组建多角色 agent 团队 → 自动跑「拆解→执行→审核→记录→提出新方向」，产出可证伪假设、知识卡片、仿真。
AI 卡在「必须问现实」的问题上时，手机端「现实反馈」App 当场推给真实用户/真实数据源；决策时间线随时可复刻另一条路线。
| 一般 AI 搜索 / Deep Research | HiExplore | |
|---|---|---|
| 先判断问题值不值 | ✗ 来者不拒 | ✓ QVS 六维评分，低于 60 劝退 |
| 结论可信度 | 看起来都对 | 每节点强制「可证伪假设」，区分推理依据与现实证据 |
| 仿真与真实 | 混在一起 | 仿真明确标注「不是证据」，强制给出现实验证办法 |
| 卡住了怎么办 | 继续编 | 推给真实用户 / 真实数据（现实反馈闭环） |
| 数据归属 | 平台云端 | 浏览器 / 本地 Markdown，兼容 Obsidian |
| 模型 | 只能用平台的 | 自带：DeepSeek / 通义 / Claude / 本地 Ollama |
| 代码 | 闭源 | MIT 开源，可自托管 |
把毕业论文的大问题拆成可验证的小问题，AI 团队 7×24 自动推进，你只做关键判断。
选题先过 QVS——值得做的选题才投入；探索笔记直接变成你的内容素材库。
把「想搞懂的事」变成长期探究项目，知识卡片 + 双链笔记沉淀成自己的知识库。
数据存在你自己的浏览器和本地文件夹，Markdown 格式，随时导出、随时带走，兼容 Obsidian。
本地 Ollama 数据不出机器；云端用 DeepSeek / 通义 / Claude 等任意 OpenAI 兼容端点。
通过 Serverless 代理把自己的 API Key 藏在服务端，前端不暴露密钥。
可选接入实验设备（传感器 / 机器人臂），让 AI 在读数和实验中推进探究，调用全程留痕。
先免费跑通一个完整探究，觉得值再升级。
平台上的示例问题（可一键填入体验）：
不需要。免注册即可体验；登录（微信扫码 / 邮箱验证码）可长期保存数据并提高每日额度。
数据默认存在本地（浏览器 / 本地文件夹）。云端只存统计信息（活跃时长、Token 消耗），不存你的笔记内容。完整说明见「隐私政策」。
无模型也能进，但推荐配置一个：DeepSeek（最划算）、通义千问，或本地 Ollama（数据不出机器）。设置 → 模型 → 填 API 地址即可，通常 1 分钟。
它们更会「回答问题」；HiExplore 先判断「值不值得回答」，并管理结论的可证伪性 + 现实验证。你可以把它们的报告丢进 HiExplore 质检。
是，MIT 协议，GitHub 可自托管：github.com/chenhaiyan123/ai-auto-explorer