从「能不能做」到「谁先付钱」：准入围墙下的 5W1H 重排

核心观点：前三篇不是分析得不透彻，是问错了问题。五百多个文本块把「能不能做」论证得很扎实，却没有一篇回答初创最要命的那句——谁会在什么情况下付第一笔钱。更要紧的是，2026 年真正改写前提的不是模型能力，而是准入：从服务条款到网络基础设施，从平台诉讼到厂商内部管控，「能不能被访问」已经不是一个技术假设，而是一组随时会变的合同与商业条件。这份总纲补两件事：把准入风险写进设计前提；用 5W1H 把三个项目从「可行性」重排成「收款顺序」。

本篇不推翻前三份档案。风险尽调、法规对照、放弃清单仍然成立，只是在它们之上加一层「外部依赖随时可能断供」的约束，并把原本定性的止损线换成带数字、可触发的条件。

核对日期 2026-11-08。厂商公告、法院文书、学术论文与分析机构预测的口径逐条标注，推测不写成事实。文中所有阈值是本站为一人公司设定的经营止损线，属自定估算，不是行业基准。

一、新增的风险：不是一堵墙，是四层准入

「互联网巨头和大模型头部厂家以安全为名设防火墙」这个判断方向对，但只覆盖了一条动机。按 2026-11-08 能核到的公开材料，限制是分层的，每一层的解除方式完全不同。

先把「以安全为名」这句话校准一下：至少四条动机并存——算力配额（每次调用有真实边际成本）、数据边界（防内部机密外流）、资产保护（防蒸馏与研发流水线污染）、商业授权（Pay Per Crawl 演进到 Pay Per Use 与 x402，可对页面、数据集、API 甚至 MCP 工具计价）。把它们全归到安全，会误判成「自证合规就能过」；而配额和授权是结构性的，谈不下来，只能绕开或付费。

还有一层少有人算的样本偏差：ACM Web Conference 2026 论文（Steinacker-Olsztyn、Gosain、Dao）测到 60.0% 的优质新闻站至少拒绝一个 AI 爬虫，misinformation 站只有 9.1%，优质站平均点名 15.5 个 AI user agent；SIGIR 2026 对 11,500 条真实查询的研究发现，屏蔽 Google AI 爬虫的站显著更少被 AI Overviews 检索。也就是说，Agent 能读到的内容本来就是被筛过的偏样本。反过来，TollBit 2026-02 口径称 2025 年第四季度约 30% 的 AI bot 抓取未遵守明确的 robots.txt 许可（第三方监测，非平台自述）。「被允许」和「被引用」是两件事，都不能写进商业计划的默认前提。

落到设计上只有三条纪律：数据入口只走用户主动导出与权利清晰的授权源，不把抓取当主渠道；模型可替换，评测集与双供应商是标配；交付物必须可下载、可离线复核，不绑定某一个 Agent 或某一家平台。

二、5W1H：把三份档案逐格重排成收款顺序

5W1H 是老框架，价值不在新鲜，在于它强制逐格填实。用这个框架回看三篇，Who 和 When 两格基本是空的——写了「目标用户」却没写「谁签字付款」，写了「12 周 MVP」却没写「第几周收到第一笔钱」。下面每一格都只写能被证伪的内容。

最脆弱的一格是 Who。三个项目原来的止损线都是「做不到就停」这类抽象表述，没有付款人就无法证伪；把 Who 填实之后，排序自然变成「验证速度 × 现有资产 × 收款难度」：项目二最快，项目三有明确付费方但缺行业渠道，项目一最慢且赛道最挤。一人公司不该并行推三条线。

三、90 天节奏与可触发的数值止损

以下阈值是本站为一人公司设定的经营止损线（自定估算，非行业基准），每条都必须有可观测的触发条件，避免「再看看」式拖延。

• 0–30 天 · 项目二优先：给 llms.txt 补原创统计条目、建一张 AI 引用监控表、把两份档案做成合规交付包。止损：若 30 天内机器可读条目在 3 个主流助手里 0 次被引用，且没有一位非熟人愿意为交付包付费，项目二降级为自用工具，不再投入产品化。
• 31–60 天 · 项目三验证付费方：人工交付 2 份 100–500 行 BOM 消歧审计报告，按行收费。止损：若两份报告都拿不到复购或转介绍，或单行人审均耗时超过 3 分钟，停止自动化投入，保留报告模板作为服务页素材。
• 61–90 天 · 收口：把重复步骤做成 resolve() 原型，只对已授权数据源开放；项目一维持自用 MCP，不立项。总止损：若 90 天内三条线合计付费收入低于 5,000 元，或没有任何一个非熟人客户，全部回退为内容与自用工具，不申请外部资源、不注册主体。

这里刻意不写估值、用户数与覆盖率。一人公司先验证现金流，再谈规模；Gartner 2026 年口径是仅约 17% 的组织真正部署了 AI Agent、超过 60% 计划两年内部署，同时预测到 2027 年底超过 40% 的 agentic AI 项目会因成本攀升、价值不清或风控不足被取消。这是分析机构预测而非既成事实，但三个取消理由恰好是一人公司最容易踩的坑。

四、断供演练：如果明天这三条路被关掉

准入风险只有翻译成具体动作才有用。对每个项目各问一次「明天断供怎么办」，答案必须能在一天内切换，不能是「再找一家」。

• 模型 API 不可用或条款变更：评测集 + 至少两家可替换供应商 + 本地小模型兜底；每次输出记录 model / prompt 版本 / 时间戳，保证历史结论可重放。
• 目标平台封禁自动化访问：项目二本来就只交付文件，不代登录、不代发；项目一、三的数据来自用户主动导出与授权源，不依赖抓取。
• 上游数据源要求付费授权或发出停止函：项目三按来源粒度下线，不绕开；原档案里「宁可 1 万条可复核记录，不要 1 亿条来路不明的行」在按次计费时代更成立。
• 四条纪律：可替换的模型、可授权的数据、可下载的输出、可审计的日志。任何一条不满足，就不把该环节写进对客户的承诺。
• 交给 Agent：调研、竞品与法规核对、抽取去重、原型与测试、三语初稿、内容改写、客服首轮。
• 留给人：定价、客户承诺、对外发布、合规声明、证据链签字、争议仲裁。Gartner 把「只有一个正确答案、错了有法律或财务后果」的场景明确划在 Agent 适用范围之外。
• 成本口径别写反：a16z 的 LLMflation 观测是同等能力等级推理成本约每年降 10 倍，GPT-3 级（MMLU 42）从 2021-11 的每百万 token 约 60 美元降到 2024 年底约 0.06 美元；原文自述方法粗糙，且限定「能力固定」，不是旗舰模型降价。端侧小模型加廉价 API 的月推理费可以压到几十元级，真正的成本始终是人审与客户沟通。

总结

三个项目其实是同一件事：把不可验证的私有或专业知识，变成可验证的实体与可调用的接口。项目一是关系实体，项目三是物料实体，项目二是把这两类资产变成人和 Agent 都能引用的内容。共同底座意味着不该并行推三条线。

新增的准入风险不是让人收手，而是把「依赖外部恩准」的部分从计划里剔掉：不靠抓取、不靠自动发布、不靠单一模型厂商、不靠平台开放接口。剩下的部分——自有内容、人工可复核的判断、带来源的证据链——恰恰是围墙越多越值钱的部分。

一句话收口：可行性报告回答「能不能做」，5W1H 回答「谁先付钱」；把止损线写成数字，把准入写成设计约束，创意才从档案变成生意。

返回 创意树洞 · 项目一 私谱 BP · 项目二 一键分发风险分析 · 项目三 开源元器件标识层；相关实务见 元器件撮合服务。