| name | money-find |
| description | 用「需求信号反推法」找 AI 时代兼职/副业机会——不搜"教你赚钱"的帖子(那是卖课钓粉的污染信源),而是看行业报告/招聘数据/采购数据等利益中立的需求信号,推理出个人能供给的机会,并用多个独立信号交叉验证,每个机会再过反诈+时效 rubric。触发词:"帮我找机会"/"找AI兼职"/"有什么能搞钱的"/"money find"/"找副业"。前置:需要 .money-state.json(无则先路由到 money-init)。 |
| argument-hint | [可选:限定方向,如「内容创作」「接单」「出海」] |
| allowed-tools | Bash(*), Read, Write, Edit, Glob, WebSearch, WebFetch, Skill |
/money-find — 需求信号反推 + 反诈筛选
跨平台说明(一次性,下文不再重复)
- 资源路径:下文写的
../../shared-references/、../../templates/、../../examples/、../../adapters/ 是 repo / Claude Code 的路径;Codex 安装下改读当前 skill 目录的 references/、templates/、examples/、adapters/(install-codex.sh 已软链进来)。
- 网页检索/打开网页:Claude Code 用 WebSearch / WebFetch;Codex 用其内置等价能力。
allowed-tools 是 Claude Code 权限声明,Codex 忽略。
核心方法(先读这条)
主方法是「需求信号反推法」,不是「搜怎么赚钱的帖子」。
没人会把真能赚钱的方法发到"教你赚钱"的帖里——那类内容是卖课/钓粉漏斗,利益不中立。
所以 money-find 看的是利益中立的需求信号(行业报告/招聘数据/采购数据/政策),再推理出个人能供给的机会。
完整方法见 ../../shared-references/demand-signal-method.md,本 skill 严格执行它。
铁律
- 主信源是一级信号(报告/招聘/采购/政策),"教你赚钱"类帖子不作依据,只用来了解方向。
- 每个机会要给"推理链 + 交叉验证":从哪个信号推出来、另一个独立信号怎么印证它。单一来源 = 未验证。
- 绝不凭记忆。 信号一律实时网页检索获取。
- 核查发布日期(rubric C′)。 超 24 个月默认失效;12–24 个月标"可能过时"并交叉验证。检索词加年份。
- 每个机会先答"钱从哪来",且过三连:谁有真需求 / 个人能否供给 / 买家个人够不够得着。
- 每个机会必须过
../../shared-references/anti-scam-rubric.md(含 C′),标注判定后才呈现。
- 按画像收敛,不全量铺开。
流程
Step 0 — 读上下文
- 读
.money-state.json 拿画像 + profile.tier 段位(无 → 路由 money-init)。
- 读
../../shared-references/user-tiers.md(按段位分流)。
- 读
../../shared-references/demand-signal-method.md(主方法)。
- 读
../../shared-references/opportunity-taxonomy.md(机会类型,仅辅助分类)。
- 读
../../shared-references/anti-scam-rubric.md(反诈 + 时效)。
- 读
lessons.md(若存在):用户过往复盘沉淀的经验,优先参考(哪类对他有效 / 哪些坑亲历过)。
- 看
../../examples/worked-examples.md 作为高质量推理范本参照。
Step 1 — 采集需求信号(demand-signal-method Step 1)
先按段位锁定方向范围(user-tiers):T0→平台众包/接单;T1→技能服务/B端陪跑;T2→小工具/GEO/SaaS;T3→垂直专业服务。别给低段位推够不着的。
按方向实时网页检索 一级信源(都加年份)。除报告外,优先抓更一手的:
- 真实招聘需求(BOSS/猎聘"在招什么、给多少、要哪些 AI 技能"——最诚实的需求温度计:岗位涨=有人花钱买这能力,降=红海)
- 成交侧(闲鱼/1688/淘宝"正在卖什么服务、销量多少"——"有人真付钱"的直接证据)
- ⚠️ 能力边界(诚实标注):网页检索通常进不去登录墙,直接搜只能拿到二手转述,不是平台实时数据。
- ✅ 要一手数据用 adapter(B 档半自动:用户自己登录+搜索,adapter 只读当前页公开列表;弹滑块用户手动过):
- 成交侧 →
../../adapters/xianyu(在卖什么/什么价/多少人想要)
- 招聘侧 →
../../adapters/boss(在招什么/给多少/要哪些 AI 技能;只读搜索结果列表页,不进详情页、不碰 HR 个人信息,故不触反诈 A6)
<行业> AI 落地 需求 / 缺口 / 痛点 报告
<工具/服务> 市场规模 增长 采购 B端
平台 官方 创作者 扶持 / 变现 政策 · 政策 / 监管 <领域> 新规
Step 2 — 推理 + 交叉验证(method Step 2-3)
对每个信号过三连(谁有真需求 / 个人能否供给 / 买家够得着),并找至少两个独立信号互相印证才往下推。
信号下降的方向,主动作为劝退呈现。
Step 3 — 形成方案 + 过反诈
每个方案套 anti-scam-rubric.md 的 D 节格式输出,并额外带「推理链」「交叉验证」两行:
推理链 / 交叉验证 / 机会 / 钱从哪来 / 硬红线 / 存疑信号 / 信息时效 / 判定 / 验证第一步 / 诚实收入预期。
验证第一步和收入预期都按用户段位写(user-tiers Step 3);T0 的反诈讲得最重。
措辞基调:给的是"带证据链的推断/假设",验证第一步就是去证伪它。未被市场验证前不说"这个能赚钱"。
Step 4 — 呈现 + 落盘
- 按 可行 ✅ → 存疑 ⚠️ → 高危 ❌ 排序呈现,每个附"钱从哪来"和"验证第一步"。
- 把候选写入
.money-state.json 的 opportunities[](含 for_tier、verdict、freshness、found_at=今天)。
- 结尾给期望管理一句话(rubric E),并提示:
- "我想做 XX,帮我做计划" →
money-plan
- "再帮我查 XX 靠不靠谱" →
money-verify
注意
- 信息有时效性:在结果里注明"以下基于 <今天日期> 的检索,平台规则可能变化,开工前请复核"。
- 找不到可信机会时,如实说没找到靠谱的,不要硬凑。这本身是有价值的反诈结论。