AI agent skill · by @XBuilderLAB

Money Find

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）。

Archived 2026-10-23 · Source updated 2026-06-12. Check the original repository for the latest version.

SKILL.md instructions

# /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。