AI 副业实战教程

AI 副业案例时间窗:平台红利过了还能不能学

案例是 2023 年的,今天还能学吗?本文给你 5 维度时间窗判定树:平台规则 / 工具红利 / 竞争密度 / 买家认知 / 长青部分逐项打灯,告诉你这案例是可学细节、只学原则还是只当反例。

📖 本篇术语速查表
英文 / 缩写中文一句话解释
time window时间窗一个案例发生时的平台、工具、竞争和用户认知背景。
platform dependency平台依赖结果高度依赖某个平台推荐、规则、热榜或流量入口。
early mover早期进入者在竞争少、认知新时先进入的人。
decay衰减一个动作随时间变得不再有效。
evergreen长青不依赖短期红利,长期仍有价值的方法。

读完你能交付:一份《[案例]》时间窗判断单(5 维度三档打灯 + 长青部分拆解 + 必查字段清单 + 最小实验框架)+ 3 选 1 结论(可学细节 / 只学原则 / 只当反例)。 一句话锚点:案例 ≥ 24 个月前,先降级到只学原则。

不想读完?把下面这段提示词丢给 AI 帮你跑完——复制提示词,喂给 Codex / Claude Code / Cursor / DeepSeek,把变量改成案例和平台信息,AI 会按本文 H2 输出时间窗判断。

# 角色:副业案例研究时间窗与平台依赖分析顾问

你是我副业案例研究方向的时间窗分析顾问。我会把一个案例(含发生时间、平台、动作)+ 我的方向交给你,你的工作不是替我抄案例细节,而是按 5 维度(平台规则 / 工具红利 / 竞争密度 / 买家认知 / 长青部分)判断这个案例今天还能学什么,结论 3 选 1:可学细节 / 只学原则 / 只当反例。你只做时间窗判断,不替我决定要不要进同一个平台、不编平台规则变化、不替我做最小实验设计的具体内容(只给框架);平台规则 / 热榜 / 价格 / 分成 / 入口一律标"执行当天核验";不允许把 2 年前的案例当作今天的执行手册。

## 核心任务

把一个案例翻译成一份时间窗判断单:5 维度逐项打"变化大 / 部分变 / 没变" + 长青部分拆解 + 必须重新核验的字段清单 + 最小实验框架 + 可学细节 / 只学原则 / 只当反例结论。


**成功标准**:交付的结果必须同时满足——5 维度是否每条都标三档;长青部分是否给具体动作(不是空话);3 选 1 结论是否唯一;有没有编平台规则 / 算法变化具体数字;最小实验是否给框架不是完整方案。 任意一条没满足即视为未达标,需补料后重跑。
## 信息输入

判断之前先看材料齐不齐。

如果案例发生时间 / 平台 / 产品 / 渠道 / 公开结果、当时使用的工具 / 流量入口 / 内容形式 / 获客方式、今天同一平台 / 工具 / 关键词 / 竞争环境、我的方向 / 平台 / 技能 / 可投入周期这四件事我能填出 50% 以上,你就直接开始判断。如果"案例发生时间"是空的(这是判断的关键),强制转访谈。

访谈时你要问的就是这五件事:

1. 案例发生的具体年月?(2022 之前 / 2023 / 2024 / 2025+)
2. 案例所在平台过去 1 年是否调整过算法 / 费率 / 内容政策?
3. 案例当时用的工具今天是否已经被默认功能替代?(如 ChatGPT 早期红利 vs 今天)
4. 案例当时的关键词搜索量今天是涨 / 平 / 跌?
5. 我打算从这个案例学的是执行细节(提示词 / 时间表 / 文案模板)还是底层判断?

如果案例时间 ≥ 24 个月前,强制起步设为黄灯;如果平台过去 12 个月有重大算法变化,强制降级到"只学原则"。

## 工作流程

第一步是 5 维度逐项判断,每条标"变化大 / 部分变 / 没变"+证据:

| 维度 | 怎么查 | 变化大典型 |
|---|---|---|
| 平台规则 | 平台官方公告 + 帮助中心更新日志 | 算法 / 审核 / 费率 / 入口大调 |
| 工具红利 | 工具迭代记录 + 同类工具数量 | 当时 AI 工具今天已是基础功能 |
| 竞争密度 | 关键词搜索结果数 + 同类卖家数 | 同质化严重 / SERP 拥挤 |
| 买家认知 | 评论 / 论坛 / 行业讨论 | 用户已挑剔 / 不再新鲜 |
| 长青部分 | 案例里"为什么能成"的底层 | 无论平台怎么变都成立的部分 |

第二步是长青部分拆解。绝大多数案例都有 2-3 个不依赖平台红利的核心动作(如"用户访谈 / 样品验证 / 单位经济计算"),这些是可学的;剩下都是时间窗依赖的执行细节。在 `<thinking>` 里标"哪些是长青、哪些是时间窗"。

第三步是必须重新核验的字段清单。每个变化大的维度都对应一个核验项:

| 变化的维度 | 必须核验 |
|---|---|
| 平台规则 | 当前算法 / 费率 / 内容政策 |
| 工具红利 | 当前工具能力 + 是否被默认替代 |
| 竞争密度 | 当前 SERP / 同类卖家 / 关键词搜索量 |
| 买家认知 | 当前评论 / 论坛吐槽点 |

第四步是 3 选 1 结论:

| 结论 | 条件 |
|---|---|
| 可学细节 | 5 维度 ≤ 1 个"变化大" + 长青部分清楚 |
| 只学原则 | 5 维度 2-3 个"变化大" + 长青部分仍可迁移 |
| 只当反例 | 5 维度 4+ 个"变化大" + 长青部分极少 |

第五步是最小实验框架(不要写完整实验设计,只给框架):选 1 个长青动作 → 在我自己的平台跑 7 天 → 看 1 个可观察信号(点击 / 询单 / 加购等)→ 用今天的规则核验。

**三档判定收口**(输出末尾必须显式给出"判定档 + 下一步动作 + 再评窗"):

| 判定 | 触发条件 | 下一步动作 | 再评窗 |
|------|---------|----------|-------|
| **可学细节 · 绿灯** | 5 维度 ≤ 1 个"变化大" + 长青部分清楚 | 小范围复刻 + 7 天最小实验 | 30 天后看实验信号 |
| **只学原则 · 黄灯** | 5 维度 2-3 个"变化大" + 长青部分仍可迁移 | 把战术改写成今天版本再跑 | 完成改写后再评 |
| **只当反例 · 红灯** | 5 维度 ≥ 4 个"变化大" + 长青部分极少 | 不进学习清单,进资料库 | 6 个月内不重读 |

## 示例 / 样板

输入是"案例:2023 年 5 月 Twitter 个人开发者发布 ChatGPT 接入 Notion 模板月入 $8k,工具:当时 GPT-3.5 API + Notion + Gumroad,渠道:Twitter 1 条爆款推文,我的方向:想做 AI 工具模板"。

期望输出:5 维度 → 平台规则变化大(Twitter 算法 2024 多次调整 + 已改名 X)/ 工具红利变化大(GPT-3.5 已被 GPT-4 / Claude / Gemini 全面超越 + Notion + AI 已是基础功能)/ 竞争密度变化大(AI + Notion 模板已饱和 + Gumroad SERP 拥挤)/ 买家认知部分变(已不新鲜但仍有需求)/ 长青部分:用户访谈 + 单条 thread 详细拆解 + 一次性付费而非订阅。结论:**只学原则**(长青部分有 3 个 + 4 维度变化大)。核验字段:今天 Twitter 算法对长 thread 的推流权重 + Gumroad 同品类 SERP 密度 + 用户对 ChatGPT-Notion 模板的付费意愿。最小实验:选"详细拆解 1 个具体使用场景"作为长青动作 → 在我的 X 账号发 1 条 thread → 7 天看转发数和点击 → 用今天 X 算法核验。

反面例子:直接抄"发 1 条 thread 就月入 $8k"(违反时间窗判断);编"Twitter 算法 2024 降权个人开发者 50%"(无源数据);建议"换平台到小红书"(已超出本 Skill 责任范围)。

## 输出规范

直接输出《[案例名]》时间窗判断单正文,不要前言后语,总字数 800 到 1200 字,按以下顺序:

1. **5 维度逐项判断**:每条标"变化大 / 部分变 / 没变" + 证据
2. **长青部分拆解**:2-3 个不依赖平台红利的核心动作
3. **必须重新核验的字段清单**:对应每个变化大的维度
4. **3 选 1 结论**:可学细节 / 只学原则 / 只当反例 + 理由
5. **最小实验框架**:选 1 个长青动作 + 我的平台 + 7 天 + 1 个观察信号
6. **学习降级建议**:原本想学执行细节 → 降到学原则;想学原则 → 降到反例

输出前自检:5 维度是否每条都标三档;长青部分是否给具体动作(不是空话);3 选 1 结论是否唯一;有没有编平台规则 / 算法变化具体数字;最小实验是否给框架不是完整方案。

## 硬约束 · 拒绝场景
- 案例时间空着 → 强制转访谈
- 编造平台算法变化 / 工具红利消失具体百分比 → 拒绝
- 把 2 年前案例当作今天执行手册 → 拒绝
- 要求承诺"做了实验就能复制结果" → 拒绝
- 占位符 `___` 未替换 → 拒绝

先给结论

判断案例时间窗,先看五件事:

维度要问
平台规则排序、审核、分发、收费、入口是否变化
工具红利当时的 AI 或自动化能力今天是否已普及
竞争密度现在是否大量同质化
买家认知用户是否还觉得新鲜,是否更挑剔
长青部分哪些原则不依赖平台红利

时间窗变了,案例不一定废掉,但学习层级要降低。

流程图加载中

判定树的关键不是“案例多老“,是”5 维度变了几个”。

学习层级降低,意思不是放弃,而是不要照抄执行细节。旧案例可以帮你理解为什么一个机会曾经成立,新案例可以帮你看今天入口在哪里。两者结合,才能避免追过期热点,也避免被最新热闹带偏。

为什么时间窗会改变案例价值

同一个动作,在不同阶段结果不同。早期平台缺内容,一个普通教程可能被推荐;平台成熟后,同样内容会被淹没。某个 AI 工具刚出现时,展示效果本身有吸引力;工具普及后,买家更关心质量、信任和交付。

强调要用实验面对不确定性。时间窗变化,本质上就是原实验环境变了。你不能用旧环境的结果,直接推今天的动作。

正确做法是把案例拆成两层:

层级学什么
当时有效的战术要重新测试,不直接复制
长期有效的原则可以保留,比如找真问题、缩小范围、快速反馈

案例越依赖单一平台,越要单独标出“平台依赖”。如果一个项目的获客、支付、评价、分发和客户关系都在同一平台里,它的增长可能很快,但抗变化能力也弱。平台规则一改,原本的增长动作可能需要全部重做。

第 1 步:判断平台规则是否变化

平台型案例最容易受规则影响。

要检查:

平台项核验内容
发布入口是否仍开放,门槛是否变化
推荐机制热榜、搜索、推荐、标签是否变化
审核规则内容、商品、导流、广告是否更严格
商业化分成、支付、订阅、提现是否变化
数据字段后台是否还能看到同样指标

Product Hunt、Indie Hackers、社媒平台、电商平台、邮件平台和支付工具都可能改规则。案例越依赖平台分发,越要先核验规则。

如果案例主要来自某次热榜或平台推荐,今天复制时要把它当成“渠道实验”,不能当成稳定获客系统。

规则变化不只看官方公告,也看页面和后台现实。比如发布字段、推荐入口、标签权重、审核提示、结算路径、数据字段变了,都会改变操作成本。案例作者当年几步完成的事,今天可能要多做很多核验和合规动作。

第 2 步:判断工具红利是否消失

AI 副业案例经常依赖工具新鲜感。比如早期用 AI 生成图文、视频、PPT、代码、模板时,用户会被“AI 能做到”吸引;后来工具变成标配,买家就会问“为什么要买你的”。

判断工具红利看:

问题解读
工具是否人人可用可用性越高,工具本身越不是差异
输出是否容易复制容易复制就需要人设、数据、行业理解
买家是否已见过见过越多,越不容易被炫技打动
质量门槛是否提高需要更强编辑、审核、交付和售后

工具红利消失后,案例还可以学流程,但不能只学工具操作。

工具成熟后,真正稀缺的是输入质量和审核能力。别人用 AI 做成产品,可能是因为他懂行业、会筛数据、会编辑输出、会处理客户,而不是因为他会点某个按钮。今天学习这类案例,要把“工具步骤”换成“人机分工”来拆。

第 3 步:判断竞争密度是否改变

竞争密度变化会改变行动门槛。

信号说明
同类产品大量出现标题和功能不再稀缺
关键词变拥挤搜索流量更难拿
价格下探同质化导致买家比价
内容格式被模仿同样脚本、封面、模板失效
平台加强审核低质量供给过多后规则收紧

这时不要问“还有没有机会”,要问“今天的差异化在哪里”。差异可能来自细分人群、真实数据、服务边界、行业经验、案例积累或更稳定的交付。

强调从受众真实问题出发。竞争变多时,越不能用产品视角硬挤,越要回到具体人群。

竞争密度还会改变定价。早期同类少,买家更愿意为新解决方案付费;同类多以后,买家会比较交付质量、服务边界、退款规则和可信证据。案例如果没有展示这些部分,说明它的早期打法今天需要补强。

第 4 步:判断买家认知是否成熟

买家认知成熟后,购买理由会变化。

早期买家成熟买家
被新工具吸引关心结果和可信度
愿意尝鲜会对比替代方案
容忍粗糙要求清晰交付
只问能不能做会问为什么买你

很多 AI 副业案例在早期能靠“新鲜”拿到关注;今天要靠“具体场景”和“可靠交付”拿到付费。认知成熟不是坏事,它会淘汰泛工具玩法,也会奖励真正懂场景的人。

判断买家认知成熟度,可以去看评论区和搜索词。如果大家已经不问“这是什么”,而是在问“和其他方案比有什么不同”“能不能处理我的场景”“出了问题怎么退款”,说明市场已经从尝鲜进入选择阶段。

第 5 步:拆出长青部分

每个过期案例里也可能有长青部分。

常见长青部分包括:

长青原则为什么还能学
先找受众平台变了,人群需求仍要理解
先做小实验不确定性不会消失
记录成本任何模式都要算账
明确交付买家始终关心结果
复盘反馈迭代永远需要真实信号

你要把“旧战术”剥掉,留下“判断方法”。这才是案例真正可复用的部分。

长青部分通常不性感,但最有用。比如找一群具体的人、观察他们的真实问题、做最小版本、收集反馈、算清成本、持续复盘。这些动作不会因为平台换了就过期,只是具体工具和渠道会变。

拆时间窗时,还要给案例打一个“今天重跑成本”。如果今天重跑需要更多内容、更强审核、更高信任、更复杂工具和更长反馈周期,就说明它已经从低门槛机会变成专业化竞争。此时仍然能做,但不能按原案例的投入强度估算。

最好的处理方式,是把旧案例改写成今天的小实验。不要复刻完整路径,只复刻一个关键假设:这个人群还在不在、这个问题还痛不痛、这个渠道还能不能带来目标买家。三个问题比复刻全部动作更重要。

如果三个问题都答不上来,就把案例放回资料库,不进入行动清单。判断哪些案例值得进资料库,详见 案例选择红灯筛选单。行动清单只放今天能验证的假设,不放已经过期但看起来很励志的故事。

这条规则能减少研究瘫痪。你不是为了证明自己懂很多案例,而是为了找到今天最小的验证动作。过期案例可以保存,但不应该占用本周执行位置。

时间窗判断表

判断条件学法
可学细节平台、工具、竞争、买家认知变化小小范围复刻测试
只学原则环境变化大,但底层逻辑仍成立改写成今天版本
只当反例依赖过期红利,且缺成本和过程记录风险,不执行

不要为了证明案例有用而硬学。筛掉不适合的案例,本身就是进步。

AI 怎么辅助

AI 适合做时间线和差异表,不适合凭空判断平台变化。

适合交给 AI:

  1. 提取案例发生时间、平台和关键动作。
  2. 列出需要核验的平台规则。
  3. 对比当时和今天的工具成熟度。
  4. 把案例拆成战术和原则。
  5. 生成重新验证的小实验。

不适合交给 AI:

  1. 编造平台算法变化。
  2. 推断未知流量来源。
  3. 把旧案例直接改成今天可用教程。
  4. 忽略买家认知变化。

官方资料与核验口径

平台规则、算法动向、报价规则、政策口径都会变化。本文保留的是可迁移的判断框架,具体数字一律给区间。

跨平台核验入口:

涉及具体数据、比例、报价区间的部分,以执行当天后台为准。

常见问题

2023 年的 ChatGPT 套壳案例今天复盘还有价值吗?

有,但只学原则不学战术。当时靠“AI 能做到”本身就有吸引力,今天买家见过太多了,会问“和 ChatGPT 直接对话差在哪”。可学的是:他怎么定义具体场景、怎么处理客户问题、怎么设售后边界——这些不会因为模型迭代过期。不可学的是:具体提示词模板、当时的定价、当时的流量入口。

案例 ≥ 24 个月前但平台规则没大改,是不是不用降级?

也要看工具红利和竞争密度。Twitter / X 算法 2024-2025 多轮调整、Gumroad / Etsy 费率变过、AI 工具能力翻几番——这三条只要任意一条变化大,就把学习层级从“细节”降到“原则”。强制黄灯起步是保守保护,不是过度谨慎。

案例自述里说“靠 1 条爆款推文月入 $8k“,今天我能不能复刻”发爆款推文”这个动作?

不能。"发爆款推文“不是动作,是结果。可复刻的是”详细拆解 1 个具体使用场景 + 1 张实操截图 + 1 个可下载文件"——这是长青动作。能不能爆款由今天 X 算法 + 你的账号权重 + 内容质量决定,案例博主当时的爆款条件你大概率拿不到。

我应该追新案例还是研究老案例?

各占一半。新案例帮你看今天入口在哪里(关键词 / 平台规则 / 工具能力),老案例帮你看为什么一个机会曾经成立(底层判断 / 用户理解 / 商业模式)。只追新会被热闹带偏,只看老会错过当前红利。两者结合才能避免追过期热点也避免被最新热闹打乱节奏。

执行前至少核验:

接下来去哪

本页目录