乐于分享
好东西不私藏

AI时代防骗副业指南:用开源工具精准锁定真实赚钱机会

AI时代防骗副业指南:用开源工具精准锁定真实赚钱机会

cheat-on-money:AI 时代靠谱兼职发现 + 反诈验证技能工具

在信息爆炸、骗局横行的 AI 时代,如何找到真正能赚钱的兼职或副业?很多人被“教你月入过万”的课程割了韭菜,却始终没收到第一笔真实收入。开源项目cheat-on-money正是为解决这一痛点而生——它不提供泛泛而谈的“赚钱清单”,而是通过一套严谨、可验证、反欺诈的机制,帮你从海量噪音中筛选出真实存在、个人可参与、且能快速验证变现的机会。

核心理念:靠机制,不靠内容

cheat-on-money 的哲学与同系列项目 cheat-on-content 一脉相承:可信度来自机制设计,而非内容本身的质量。它不做主观推荐,而是构建一个系统化的判断框架,确保每个输出都经得起交叉验证和时效检验。

项目聚焦四件别人通常忽略的关键事:

需求信号反推不依赖“教你赚钱”的营销帖(这类内容多为卖课引流),而是从行业报告、招聘数据、平台成交记录等利益中立的第三方信源出发,推理出当前市场对个人服务的真实需求,并用多个独立信号交叉验证。

实时检索 + 时效核查所有信息均通过实时检索获取,拒绝依赖大模型的“记忆”。任何超过 24 个月未更新的来源默认失效——因为平台规则、市场需求瞬息万变。

严格的反诈 Rubric(评分标准)每个机会都必须通过一套明确的反诈红线检测。宁可错杀,不可放过。凡涉及“先交钱、刷单、过账、出借账户”等行为,一律判定为骗局或违法,直接排除。

个性化匹配 + 小成本验证路径根据你的技能、时间、资金、地域、是否愿意露脸等画像,精准匹配适合的机会,并为每个机会提供“如何用最低成本验证能否收到第一笔钱”的具体步骤。

六大核心子技能(Skill)

cheat-on-money 以模块化技能(skill)形式运作,用户可通过自然语言调用不同功能:

命令功能说明money-init首次使用时建立个人画像(技能/时间/资金/地区/露脸意愿)并生成状态文件money-find基于画像实时检索市场机会,并自动应用反诈筛选money-verify核心功能:验证某个具体兼职/副业是否为骗局money-plan选定机会后,生成详细行动方案,并规划“小成本验证第一步”money-retro复盘实际投入与收入,对比预期,沉淀经验money-status随时查看当前状态看板,掌握整体进展

机制文档:透明、可审计

所有判断逻辑均公开在共享文档中,确保过程可追溯、可改进:

shared-references/demand-signal-method.md:需求信号反推法——定义信源分级、四步推理流程与交叉验证规则

shared-references/anti-scam-rubric.md:反诈判定标准+ C′ 时效核查机制(money-verify 和 money-find 的唯一依据)

shared-references/user-tiers.md:用户段位 T0–T3,按“资源×技能”划分,不同段位匹配不同机会与收入预期

  • shared-references/opportunity-taxonomy.md:机会分类框架(用于结构化思考,非简单清单)
  • examples/worked-examples.md:真实跑通的高质量案例,供参考对照
  • templates/money-state.template.json:状态文件模板(含段位与校准环字段)

数据适配器(Adapter):绕过登录墙,抓取一手信号

为弥补通用 AI 无法访问登录后数据的短板,项目提供了两个半自动数据适配器。它们不要求完全自动化,而是引导用户手动操作(如登录、滑动验证码),仅读取当前页面的公开列表数据,既合规又实用:

adapters/xianyu/:抓取闲鱼成交侧数据,观察“什么服务正在被真实购买、价格多少、需求热度如何”——这是“有人真付钱”的直接证据。

adapters/boss/:抓取 BOSS 直聘招聘侧数据,查看“哪些岗位在招、薪资范围、是否要求 AI 技能”——被视为最诚实的市场需求温度计。

注:两个适配器共享同一个 Chrome 浏览器配置文件,且仅读取搜索结果列表页(不含 HR 私人信息),严格规避隐私与反诈红线。

校准环:越用越准的闭环系统

cheat-on-money 内置一个持续优化的校准环(Calibration Loop):

使用 money-plan 记录对某机会的预期(如:投入 5 小时,3 天内收到第一笔 50 元)

执行后,用 money-retro 对比实际结果

  1. 经验自动沉淀到本地 lessons.md 文件
  2. 下次调用 money-find 或 money-verify 时,系统会优先参考这些真实反馈

这种“预测 → 执行 → 复盘 → 沉淀”的闭环,让工具随使用不断进化,越来越贴合你的真实情况。

安装方式

项目支持两种主流 AI 编程助手环境:

1. Claude Code 用户

将技能软链接至 ~/.claude/skills/ 目录:

cd "$(dirname "$0")" 

ROOT="$(pwd)"for d in skills/*/; do name="$(basename "$d")" ln -sf "$ROOT/$d" "$HOME/.claude/skills/$name"done

或直接运行:

./install.sh

2. Codex 用户

运行专用安装脚本:

./install-codex.sh

该脚本会将技能安装到 ~/.codex/skills/,并为每个技能补充 Codex 友好的本地资源入口(包括 references、templates、examples 和 adapters)。Claude 与 Codex 的安装可共存,互不影响。

典型使用流程

整个使用过程自然流畅,符合真实决策路径:

“我想搞点副业”  

→ 调用 money-init(建立个人画像)→ 调用 money-find(获取实时、反诈筛选后的机会列表)→ 对某个机会存疑?调用 money-verify(深度验证是否靠谱)→ 决定尝试?调用 money-plan(生成行动方案 + 小成本验证步骤)→ 执行一段时间后 → 调用 money-retro(复盘效果)→ 任何时候 → 调用 money-status(查看整体进展看板)

在充斥着虚假承诺的时代,cheat-on-money 选择做一把“理性之尺”——不画大饼,只给方法;不保结果,但保过程可靠。它或许不会让你一夜暴富,但能极大降低你被割韭菜的概率,并帮你用最小成本验证真实机会。

项目已在 GitHub 开源,地址为:https://github.com/XBuilderLAB/cheat-on-money

相关学习资料