一、判定這一關必須用模型讀全文，不能用詞表。詞表永遠追不上情境的寫法，而且會被業配文騙。模型要回答的就一個問題：這個作者是在「求」，還是在「給」？給的一律不算。

二、進化的重點不是句式，是場景。實測裡「求一個 X」，X 換成做發票出 3 條、換成給商品圖換背景出 0 條；而「每天重複做表格」一條頂別人十條。場景的差別遠大於說法的差別。所以每一輪該變的是「問什麼」，不是「怎麼問」。

三、平台要分開養。X 上「is there an AI that」人工看六成是真的在問；小紅書上同一個句式，搜出來全是標題黨。不是詞的問題，是這兩個地方的人做的事不一樣——一個在公開提問，一個在看別人種草。

說法是會窮盡的。中文裡表達「我想要一個能 X 的工具」就那麼幾十種寫法，跑一兩週就會把有用的都找出來，之後新說法帶來的增量接近零。這一天到了，就該停掉換說法，只換場景。

只能挖到說出口的需求。說不出自己想要什麼的人，這套機制永遠碰不到。別指望它能發現「未知需求」，它的上限是把「已說出口的需求」覆蓋全、說法聽全。

1. “它解決什麼問題”可以當標籤，但不能當判斷依據。官網自己寫的一句話是可靠的；使用者評論只有被討論過的專案才有，6 個裡只有 2 個。拿 2 條評論推斷“需求成立”，就是我上一版犯的錯。

2. 價格結構是硬數據，收入不是。三個專案的方案和單價都完整抓到了，能算出“一個客戶值多少錢”。但賣了多少錢，外部永遠看不到。所以卡片上“收入”一欄空著，寫“沒查到”。

3. 中文來源接不住海外新品。這不是來源不好，是場景不對。小紅書適合看“中國人願意為什麼付錢”，不適合看“海外剛出的東西有沒有人在用”。兩者要用不同的來源，不能混成一個資料庫。

能回答：這個東西是什麼、給誰用、怎麼收費、收多少錢、有沒有人在討論、討論裡誇什麼罵什麼、我一個人做要多久。
不能回答：它賺了多少錢、有多少活躍使用者、這個需求是不是真的成立。
後面這三件，只能靠你自己看、自己判斷。介面上不做結論，就是這個原因。