一、判定这一关必须用模型读全文，不能用词表。词表永远追不上场景的写法，而且会被软文骗。模型要回答的就一个问题：这个作者是在「求」，还是在「给」？给的一律不算。

二、进化的重点不是句式，是场景。实测里「求一个 X」，X 换成做发票出 3 条、换成给商品图换背景出 0 条；而「每天重复做表格」一条顶别人十条。场景的差别远大于说法的差别。所以每一轮该变的是「问什么」，不是「怎么问」。

三、平台要分开养。X 上「is there an AI that」人工看六成是真在问；小红书上同一个句式，搜出来全是标题党。不是词的问题，是这两个地方的人干的事不一样——一个在公开提问，一个在看别人种草。

说法是会穷尽的。中文里表达「我想要一个能 X 的工具」就那么几十种写法，跑一两周就会把有用的都找出来，之后新说法带来的增量接近零。这一天到了，就该停掉换说法，只换场景。

只能挖到说出口的需求。说不出自己想要什么的人，这套机制永远碰不到。别指望它能发现「未知需求」，它的上限是把「已说出口的需求」覆盖全、说法听全。

1. “它解决什么问题”可以当标签，但不能当判断依据。官网自己写的一句话是可靠的；用户评论只有被讨论过的项目才有，6 个里只有 2 个。拿 2 条评论推断“需求成立”，就是我上一版犯的错。

2. 价格结构是硬数据，收入不是。三个项目的套餐和单价都完整抓到了，能算出“一个客户值多少钱”。但卖了多少钱，外部永远看不到。所以卡片上“收入”一栏空着，写“没查到”。

3. 中文源接不住海外新品。这不是源不好，是场景不对。小红书适合看“中国人愿意为什么付钱”，不适合看“海外刚出的东西有没有人用”。两者要用不同的源，不能混成一个库。

能回答：这个东西是什么、给谁用、怎么收费、收多少钱、有没有人在讨论、讨论里夸什么骂什么、我一个人做要多久。
不能回答：它赚了多少钱、有多少活跃用户、这个需求是不是真的成立。
后面这三件，只能靠你自己看、自己判断。界面上不做结论，就是这个原因。