嗨，HN，我是Ansh，Mireye的创始人。我正在构建AI代理用于做出关于物理场所决策的基础设施：数据、丰富化、工具和信号，覆盖美国任何地点，通过一个API和MCP服务器提供。

在Mireye之前，我在构建施工代理，自己遇到了这个障碍：我的代理能够推理网上的任何事情，但对脚下的地面一无所知。然后一家财富500强保险公司告诉我，他们的工程师出于同样的原因放弃了对保险承保代理的开发。当被问及关于特定地点的具体问题时，前沿模型一直在产生幻觉。

Mireye不是一个带API的数据集，因为事实本身不足以支撑决策。一个代理可以通过它运行整个工作流程：引用的事实、将裸地址丰富为业主、面积、建筑和附近的电力数据，为操作模型出错提供的工具，以及当某些变化发生时（如重新分区备案）的信号。这些工具来自观察代理的失败。每个失败都成为代理可以调用的东西：确定性几何和行驶时间工具、地块解析、在运行之前对任务进行定价的报价端点，以及封装整个工作流程的技能。

困难部分让我惊讶。每个来源都必须被收集（有时是逐县收集），规范化为一个模式，签约并保持新鲜。我们目前为366个字段运行这个循环。更深层的问题是意义。两个县公开的字段名称和含义相同，但含义可能不同。因此我们类型化缺失。每个字段返回正常、缺失或失败。客户告诉我，正是这种拒绝的态度让他们信任它。

人们构建了我没有计划的东西：保险团队筛选投资组合、proptech清理地址、机器人公司寻找仓库、数据中心选址、无人机部署规划、校车路线，以及人口贩运调查的信号。

关键实体：公司：Mireye | 人物：Ansh | 地点：美国、马里兰、北卡罗来纳