首页
/ ECC investor-materials 技能实战:用单一事实源构建一致、可信、可辩护的融资材料

ECC investor-materials 技能实战:用单一事实源构建一致、可信、可辩护的融资材料

2026-09-04 17:30:38作者:幸俭卉

在 Agent 驱动的文档生产流程中,"多个融资材料各自为政、数字互相打架"是最常见的翻车点。ECC 的 investor-materials 技能(SKILL.md)把 pitch deck、one-pager、投资人备忘录、财务模型、加速营申请材料等 investor-facing 文档的生成纳入一套统一方法论:先锁定单一事实源(single source of truth),再按资产类型起草,最后用质量门禁逐项核验。读完本文,你将掌握该技能的激活时机、五步核心工作流、四类融资资产的起草规范,以及交付前的红旗检查与质量门禁清单,并了解它在 ECC 技能体系中的挂载方式(OpenAI Agent 配置)。

技能定位与激活时机

investor-materials 是 ECC 通用业务/内容技能家族的一员,与 article-writingcontent-enginemarket-researchinvestor-outreach 同批引入,其定位在 README.md 中被明确列为 "5 new generic business/content skills" 之一,仓库目录结构注释也给出了一句话说明:"Pitch decks, one-pagers, memos, and financial models"。

技能的目标一句话概括为:构建一致(consistent)、可信(credible)、易于辩护(easy to defend)的投资者材料。它的触发场景(When to Activate)在技能文档中列为五类:

  • 创建或修改 pitch deck(融资演示稿);
  • 撰写投资人备忘录(investor memo)或 one-pager(单页摘要);
  • 搭建财务模型、里程碑计划(milestone plan)或资金用途表(use of funds table);
  • 回答加速营(accelerator)或孵化器申请表中的问题;
  • 让多份融资文档围绕同一事实源保持一致。

从仓库中的技能元数据看,该技能同时维护两份 SKILL.md:面向当前 harness 的规范版本 skills/investor-materials/SKILL.md(带 metadata.origin: ECC),以及面向 OpenAI Agent 格式的 .agents/skills/investor-materials/SKILL.md。后者配套的 openai.yaml 定义了其在 Agent 界面中的呈现:

  • display_name:"Investor Materials";
  • short_description:"Investor decks, memos, and financial materials";
  • brand_color#7C3AED
  • default_prompt"Use $investor-materials to draft consistent investor-facing fundraising assets."
  • allow_implicit_invocation: true——允许在会话中被隐式触发,即当用户请求明显落入上述五类场景时,Agent 无需用户显式点名即可激活该技能。

技能名 investor-materials 还出现在 agent.yaml 的 skills 目录中(ECC 2.2.1 版本的共享技能目录导出面),并作为安装模块的组成部分被登记在 manifests/install-modules.json 中(条目 "skills/investor-materials"),说明它可通过 ECC 的安装体系按需装到目标项目中。

Golden Rule:所有融资材料必须互相一致

整个技能的第一原则(Golden Rule)只有一条:All investor materials must agree with each other. 所有对外材料必须彼此对齐。

该原则的落地方式是:在动笔之前,先创建或确认一份单一事实源(single source of truth),覆盖六类规范事实(canonical facts):

事实类别 说明
traction metrics 牵引指标:收入、用户数、增长等已被验证的数据
pricing and revenue assumptions 定价与收入假设:客单价、续费率、单位经济模型
raise size and instrument 融资规模与工具:融多少、用什么结构(equity、SAFE 等)
use of funds 资金用途:钱花在哪里、怎么分配
team bios and titles 团队简介与头衔:谁在什么岗位,各材料间必须一致
milestones and timelines 里程碑与时间表:拿到钱之后做什么、什么时间点做到

规则的关键约束在最后一条:一旦发现数字冲突,立即停下(stop)并先解决冲突,再继续起草(resolve them before drafting)。这条硬性中断规则是"防打架"的核心机制——冲突不解决就不进入写作阶段,从流程上杜绝"deck 里写 A 轮融 200 万、memo 里写融 500 万"这类低级但致命的事故。

核心工作流:五步闭环

技能定义了五步核心工作流(Core Workflow),从事实盘点到终检闭环:

  1. inventory the canonical facts(盘点规范事实):把上表六类事实逐项收集齐,形成事实源。对应 Golden Rule 中"创建或确认单一事实源"的动作。
  2. identify missing assumptions(识别缺失的假设):找出事实源中尚未明确、但成文必须依赖的假设(例如续费率、获客成本),显式补全而不是留白默填。
  3. choose the asset type(选择资产类型):判断本次要产出的是 pitch deck、one-pager、财务模型还是加速营申请——不同类型走不同的资产指引(见下节)。
  4. draft the asset with explicit logic(以显式逻辑起草资产):起草时每个数字、每个论断都要带着可追溯的推导逻辑,而不是"看起来合理"。
  5. cross-check every number against the source of truth(用事实源逐项核对每个数字):交付前把文档中出现的每一个数字回查事实源,确保零偏差。

从源码结构看,这个工作流本质上是把"文档生成"从一次性 prompt 变成了可复核的流水线:第 1、2 步建立输入契约,第 3 步做路由,第 4 步执行生成,第 5 步做回归校验——其中第 5 步与后文的 Quality Gate 一起构成该技能的"验证环",与 ECC 整体的 research-first、verification 优先的设计取向一致。

四类融资资产的起草指引

Pitch Deck:推荐的 12 页叙事流

技能为融资演示稿给出了明确的推荐叙事顺序(Recommended flow):

  1. company + wedge(公司与切入楔点)
  2. problem(问题)
  3. solution(解决方案)
  4. product / demo(产品/演示)
  5. market(市场)
  6. business model(商业模式)
  7. traction(牵引数据)
  8. team(团队)
  9. competition / differentiation(竞争/差异化)
  10. ask(融资诉求)
  11. use of funds / milestones(资金用途/里程碑)
  12. appendix(附录)

这个顺序体现了两条叙事原则:前半程讲"为什么是我们、为什么是现在",后半程才落到"要多少钱、怎么花";traction 放在 market 与 business model 之后、team 之前,让数据先建立可信度再谈团队背书。

如果用户需要的是 web-native deck(网页原生演示稿),技能文档明确指引:将该技能与 ECC 的 frontend-slides 技能配对使用。frontend-slidesSKILL.md)负责把内容渲染为零依赖、单文件、动效丰富的 HTML 演示稿,并强制执行视口适配(每页 100dvh 不内滚)、密度上限(内容页 1 标题 + 4~6 条 bullet)与多分辨率校验(1920x1080 / 1280x720 / 768x1024 / 375x667 / 667x375)。分工边界很清楚:investor-materials 管"内容对不对、数字一致不一致",frontend-slides 管"页面呈现得好不好看、能不能在任意屏幕上完整显示"

One-Pager / Memo:单页摘要与备忘录

  • 用一句干净的话(one clean sentence)说清楚公司是做什么的;
  • 展示 why now(为什么是现在);
  • 尽早(early)给出 traction 与证明点(proof points);
  • 让 ask(融资诉求)足够精确;
  • 所有论断(claims)保持易于验证。

单页材料的约束本质是"在信息密度受限的前提下,把最需要被核验的证据前置"。

Financial Model:财务模型

模型必须包含五个要素:

  • explicit assumptions(显式假设):所有假设写在明处,不藏在公式里;
  • bear / base / bull cases(悲观/基准/乐观三档情景):在有用的场合给出三档,避免单一数字误导判断;
  • clean layer-by-layer revenue logic(分层清晰的收入逻辑):收入按层拆解,每一层的加减都能对得上账;
  • milestone-linked spending(与里程碑挂钩的支出):花钱的节奏绑定里程碑,而不是拍脑袋按月摊销;
  • sensitivity analysis(敏感性分析):当决策取决于某个脆弱假设时,必须做敏感性分析,展示该假设波动对结论的影响幅度。

其中"分层收入逻辑"直接对应 Quality Gate 里的 "revenue layers sum correctly"——即每一层的收入加总必须精确成立,不允许出现"约等于"。

Accelerator Applications:加速营申请

  • answer the exact question asked:只回答被问到的问题,不答非所问、不额外发挥;
  • 优先呈现 traction、insight(洞察)与 team advantage(团队优势)三类证据;
  • avoid puffery:避免吹捧式、空泛的形容词;
  • 申请中的内部指标(internal metrics)必须与 deck 和 model 保持一致——这条把加速营申请也纳入了同一事实源的管辖范围。

Red Flags:必须规避的五类红旗

技能文档列出了五类典型红旗(Red Flags to Avoid),它们是起草与审阅阶段共同的负面清单:

  1. unverifiable claims——不可验证的论断;
  2. fuzzy market sizing without assumptions——没有假设支撑的模糊市场估算;
  3. inconsistent team roles or titles——团队角色或头衔在不同材料间不一致;
  4. revenue math that does not sum cleanly——收入算式加总不干净(对不上账);
  5. inflated certainty where assumptions are fragile——在假设脆弱的地方却表现出过度的确定性。

这五条与前文 Golden Rule 形成呼应:第 3 条正是"单一事实源"机制要防的问题,第 4、5 条则由财务模型的"分层收入逻辑"和"敏感性分析"要求来对冲。

Quality Gate:交付前质量门禁

技能把交付(delivering)前设了一道显式门禁,交付物必须同时满足:

  • every number matches the current source of truth——文中每个数字与当前事实源一致(注意是 current,强调事实源本身更新后所有材料要跟着更新);
  • use of funds and revenue layers sum correctly——资金用途表与收入分层加总正确;
  • assumptions are visible, not buried——假设是可见的,而不是被埋进细节里;
  • the story is clear without hype language——叙事清晰且不含炒作性语言;
  • the final asset is defensible in a partner meeting——最终材料在投资合伙人会议(partner meeting)上经得起追问辩护。

最后一条 "defensible in a partner meeting" 是整个技能的验收锚点:一份融资材料的合格标准不是"写得好",而是"被专业投资人当面质询时站得住"。

在 ECC 体系中的挂载方式

从仓库配置看,该技能的挂载与分发路径有三条证据:

  1. 技能目录:规范实现位于 skills/investor-materials/SKILL.md,遵循 ECC 统一的 SKILL.md 结构(frontmatter 定义 name / description / metadata,正文按 When to Activate → 规则 → 工作流 → 资产指引 → 红旗 → 质量门禁组织);.agents/skills/investor-materials/ 下则是面向 OpenAI Agent 规范的适配版本,通过 openai.yamlallow_implicit_invocation: true 支持隐式调用;
  2. 目录登记:技能名被 agent.yaml 的 skills 列表收录,作为 ECC 2.2.1 共享技能目录的一部分导出;
  3. 安装模块manifests/install-modules.json 中包含 "skills/investor-materials" 条目,意味着该技能可以随 ECC 的安装模块被选择性安装到目标工作区。

小结

investor-materials 技能的技术价值不在"帮用户写出融资文档",而在于把一致性这一最容易失控的维度工程化:以六类规范事实构成单一事实源、以"冲突即停"作为流程中断点、以五步工作流把生成变成可复核的流水线、以红旗清单与五条质量门禁作为交付前的双重校验,并明确与 frontend-slides 技能在"内容正确性 vs 视觉呈现"上的分工边界。对于需要在多份对外材料(deck、memo、模型、申请表)之间保持数字零偏差的团队,这套"先锁事实源、后动笔、交付前全量回查"的模式是一个可以直接借鉴的 Agent 技能设计范例。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
527
590
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
904
1.82 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
docsdocs
暂无描述
Markdown
889
5.78 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.52 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.33 K
1.45 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
981
502
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384