money-find

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

1. 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。
2. 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。
3. 绝不凭记忆。 信号一律实时网页检索获取。
4. 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。
5. 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。
6. 每个机会必须过 ../../shared-references/anti-scam-rubric.md（含 C′），标注判定后才呈现。
7. 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。