差异化

父级：product

相对于输入类工具（Notion / Glasp / Readwise）。 它们解决的是输入问题——高亮标注、做笔记、写日记。它们并不解决由他人以你的声音进行检索这件事。Notion 页面是访客必须逐字阅读的一段文字；StandMeet 的检索是对话式的——访客提出一个具体问题，得到一个具体答案。

相对于 AI 女友 / 数字分身 / 个人 LLM。

• AI 陪伴（AI companion） 优化的是你自己与某个机器人之间的情感互动（单用户，内向）。
• 数字分身（digital twin） 复刻你，以便替你去执行某项任务（代理替代）。
• 个人 LLM 在你的写作上训练一个模型（静态、脆弱、昂贵）。
• StandMeet 提供的是对已表达思想的人际间访问（inter-personal access to articulated thought）——这个机器人不扮演你，也不假装成为你；它做的是在有人提问、且内容相关时，呈现出你真正想过的东西。

最贴切的先例不是某个 AI 产品——而是一个维护良好的个人网站，只不过是对话式的。

机械层面的差异化

上面那些对比说的是定位。下面这三条是机器本身的性质，也是竞争者真正必须复现的东西。

• 相关性来自 owner 自己打的链接，不是嵌入相似度。 不用向量检索，这是长期成立的决定。corpus_links 返回一条笔记的出链和反链，要不要再往下走由 agent 决定。一个 RAG 形状的竞品是按"某个没人书写过的空间里的邻近度"排序；而这里的边，是被问的那个人自己画的。
• 存在一条"永不漏"的通道。 corpus_grep 是穷举的字面/正则 —— 只要它在，这条就找得到 —— 那是一条索引性质，不是一个相似度分数。它是"证明当时到底说了什么"在机械上的兑现，而这恰恰是向量库承诺不了的。八个检索工具是按这根轴分级的：search 是排序的、会漏；grep 不会。
• 它跑在 owner 自己的机器上。 一人一实例，docker compose up，每张表都带 owner_id，没有多租户 SaaS 需要扩容。主权不再是文案里的一句主张，而是那个进程正在哪儿跑（deployment）。

要如实说的反面：这三条在表面上都看不见。一个访客光看一个答案，分不出"永不漏的通道"和"不错的向量搜索" —— 这条性质只在"另一种会失败"的那个场合才显形，而那个场合没有人拿来做演示。