核心原則

外部分析文章是寫作材料、不是可直接搬進教學文章的事實層。把分析師文章、VC essay、產業評論改寫成本 blog 的商業分析時、先把材料拆成三層：可驗證事實、原作者判讀、本文推導。

層級內容角色進正文時的寫法
事實事件、交易、產品發布、公開數字放「事件本身」或背景段、可回溯來源
原作者判讀分析師對事件的解釋、預測、立場標成「某類分析觀點」、只當 hypothesis
本文推導本文從多個來源合成的判斷框架明確寫成「本文判讀」或「可遷移框架」

判別問題：「這句話如果拿掉原作者名字、還能被當成可驗證事實嗎？」不能、就不可寫成事實句。

情境

content/business/ 的原始出發點是輸入其他分析師文章、再讓 AI 轉換成本 blog 要的風格。第一版 business case-analyses 雖然已經用 WRAP 拆事件、但 commit 演變顯示三個容易混在一起的材料來源：

第一、公開事件本身，例如 Anthropic 推出 Claude for Legal、Snowflake / Databricks / MotherDuck 同期推出 FDE、CoreWeave 收購 Bufstream。這些是可驗證事實。

第二、外部分析師對事件的判讀，例如「這是 enterprise ARR 驅動」「這是基礎設施垂直整合」「這是 SaaS 三支柱被鬆動」。這些是原作者或市場的解釋，不是事件本身。

第三、本文要教讀者帶走的框架，例如「三層擠壓」「資料平台前端化」「整併週期下的賽道判讀」。這些是本文推導。

Round 4 的 #142 已經處理「WRAP 內部分析喧賓奪主」；本卡補更上游的 source 問題：在開始寫正文前、先知道每句材料屬於哪一層。

理想做法

第一步：來源進稿前先做三欄標註

把外部文章或 AI 轉寫草稿中的句子標成三欄：

欄位問題
事實這件事有沒有公開來源可以驗證？
原作者判讀這是不是某位作者或某類市場敘事的解釋？
本文推導這是不是本文從多個材料合成出來的教學框架？

同一句若同時包含兩層、拆成兩句。例：「CoreWeave 收購 Bufstream，代表算力廠商開始垂直整合 data pipeline」應拆成：

  1. CoreWeave 收購 Bufstream。這是事實。
  2. 算力廠商往 data pipeline 延伸。這是本文判讀。

第二步：事實進事件段、判讀進 hypothesis、推導進主體

三層各有適合的位置：

層級正文位置
事實開頭與「事件本身」段
原作者判讀Widen Options 的 prior 或背景敘事
本文推導文章主體、長期影響、預警訊號、框架

外部分析師的判讀可以幫助 widen hypothesis space，但它不該直接變成本 blog 的正文結論。正文結論要由本文的 evidence weight 與可遷移框架承擔。

第三步：合成 frame 要標成本文推導

當文章把多個來源合成成一個框架時、要讓讀者知道這是本文的教學合成。寫法可以是：

1本文把這個變化整理成三層：應用層 SaaS、新創供應商、知識工作者。

這比「市場正在發生三層擠壓」精準，因為前者承認這是本文整理出的框架，後者容易讓讀者誤以為三層分類是外部事件本身。

第四步：引用來源時先寫概念、再放 attribution

來源 attribution 是可回溯支撐，不是段落主詞。先寫本文要教的概念，再補來源角色：

1API 型產品若毛利薄、供應商會傾向用 enterprise contract 對沖收入波動。這個判讀可作為檢查供應商動機的 prior，不能直接當作本篇三層擠壓的主體。

不要寫成「某某報告說 X，所以 X 是結論」。這會把來源權威放在概念之前，也讓讀者無法分辨 source claim 與本文推導。

沒這樣做的麻煩

分析師 frame 被誤當事實

外部文章的分類與比喻通常是作者的 frame。直接搬進正文，讀者會以為那是事件本身揭露的事實。後續若讀者回查來源找不到「三層擠壓」或「SaaS 三支柱鬆動」這些詞，會降低文章可信度。

AI 改寫會放大 attribution 漂移

AI 轉寫常把「某作者認為」壓縮成「這代表」。這個壓縮讓 claim 從觀點層滑到事實層。若沒有 source layering，改寫後的句子會更順、但 fidelity 更差。

本文自己的貢獻變模糊

教學型商業分析的價值是把事件整理成讀者可遷移的框架。若原作者判讀與本文推導混在一起，讀者看不出本文到底新增了什麼，只會覺得是另一篇摘要。

跟其他抽象層原則的關係

原則跟本卡的關係
#116 引用案例要分觀察層 / 判讀層#116 處理 case 引用，本卡把同一條分層原則套到外部分析文章 source
#117 跨多個 case 合成的 frame 必須標為章節合成本卡是 #117 在 analyst source 的對應版本：跨來源合成 frame 要標成本文推導
#142 文章主體要對齊標題承諾Source layering 是 #142 的前置條件；先知道哪些是背景 prior，才知道哪些不該佔主體
#140 WRAP Widen Options 容易塌成稻草人 framing原作者判讀可作為 Widen Options prior，但不能被設成待打倒的稻草人或預設正解
#97 Metadata surface 要納入寫作 review 範圍Title / description 若把本文推導寫成事實，也會造成來源層漂移；metadata 也要跑 source layering

判讀徵兆

訊號該做的事
句子寫「這代表 X」、但 X 其實是分析師解釋改成「一種判讀是 X」或標成本文推導
外部文章的比喻或分類被直接放進本篇標題確認這是原作者 frame 還是本文 frame
AI 改寫後少了「某作者認為」「市場敘事」等 attribution回原文補回 source layer
引用來源只寫機構名、沒有具體文章或可驗證出處刪掉具名 source，改成一般 prior 或重新查證
讀者問「這是事件事實、原文觀點、還是你自己的推導」Source layering 失敗，重寫段落主詞與 attribution

核心原則：外部分析文章進入教學寫作前、先拆成事實、作者判讀、本文推導。三層分清楚，文章才有可回溯性，也才看得出本文真正教了什麼。