系列启动帖 + 目标定稿。记录：研究什么、为什么、用什么方法、先拆谁。
目标（定稿）
只研究公开项目。探索它们赚多少钱、怎么赚的。
- 公开项目 = 接入支付核验（TrustMRR 查得到）+ 创始人公开活跃（X 上有内容）
- 私人项目不做——没有数据可查，也没有内容可拆，没有研究价值
为什么只做公开项目
之前想做“任意产品”，但很快撞到现实：大领域 = 数据稀疏 = 承诺兑现不了。TrustMRR 只覆盖主动接入的产品，私人项目的收入谁也不知道——强行做只会得到一堆“查无”。
聚焦公开项目后，一切变得自洽：
- 每个数字都有出处：要么 TrustMRR 核验，要么创始人自述，从不假装知道私人项目的收入
- 公开项目天然有内容：愿意公开数据的创始人，大概率也公开了怎么做的（Laper 就是完美样本）
- 边界即定位：“只做公开项目”不是限制，是可信承诺
两个数据源
| 数据源 | 回答什么 | 给什么 |
|---|---|---|
| TrustMRR | 赚多少钱（✅核验） | MRR、收入、订阅数、增长曲线 |
| X | 怎么赚、谁做的（⚠️自述） | 创始人内容、产品发布、自述数字、用户反馈 |
交叉验证是每篇的核心动作：他 X 上说的 vs TrustMRR 核验的——对上了（Laper）还是对不上（Cal AI 查无 + 自相矛盾），就是一篇拆解的骨架。
方法：子问题拆解
大问题太大，拆成能一句话回答的子问题，一个个解决，最后才是大问题。
例如“研究 Laper 盈利情况”拆成：
- TrustMRR 查得到吗？→ 查到了（MRR $40.8K）
- 定价多少？→ 爬到了（$20/$60/$100/$400）
- 作者是谁？→ X 拉到了（赵纯想）
- 增长怎么做？→ 挖出证据链（个人品牌 + 梁泽做增长）
每一个都是一句话能回答的子问题，回答完下一个，大问题自然完成。
待拆清单（持续更新）
| # | 目标 | 为什么拆它 | 状态 |
|---|---|---|---|
| 00 | Laper | AI 编剧软件：Stripe 全量核验 + 创始人 X 活跃——第一个完整样本 | ✅ 已拆 |
| 01 | Wappalyzer | 网站技术栈检测工具：它自己怎么赚钱 | 待拆 |
| 02 | Similarweb | 流量数据商：公开程度如何 | 待拆 |
| 03 | TrustMRR | 数据源兼竞品：它自己接入核验了吗 | 待拆 |
| 04 | Starter Story | 采访制模式：HubSpot 收购、数据库付费 | 待拆 |
| 05 | Appfigures / 七麦数据 | App 数据商：公开项目怎么研究 | 待拆 |
| 06 | Firecrawl | 网页转 AI 数据：有融资记录的公开项目 | 待拆 |
每篇发布后，上表状态会更新：待拆 → 拆解中 → ✅ 已发布。
系列文章的验收标准
每篇回答四个问题（每个都带证据标签：✅核验 / ⚠️自述 / ❌查无）：
- 它赚多少钱？
- 它怎么赚？（定价、商业模式）
- 流量和增长怎么做？（获客证据链）
- 作者是谁？（背景、分工）