首页
/ ECC investor-outreach 技能实战:个性化融资触达邮件与跟进序列的完整操作规程

ECC investor-outreach 技能实战:个性化融资触达邮件与跟进序列的完整操作规程

2026-09-04 21:09:48作者:羿妍玫Ivan

在 ECC(The agent harness performance optimization system)中,investor-outreach 是一个面向融资场景的 Agent 技能(Skill),负责生成冷启动触达邮件(cold email)、暖介绍请求(warm intro)、跟进邮件、会议后更新(post-meeting update)等投资人沟通内容。读完本文,你能掌握该技能的五条核心规则、冷邮件五段式结构、默认跟进节奏(Day 0 / Day 4-5 / Day 10-12)、硬性禁用表达清单与交付前质量门(Quality Gate),并理解它与 brand-voiceinvestor-materials 等技能在仓库中的协作关系与注册方式。

技能定位:它解决什么问题,在何时激活

技能定义文件位于 SKILL.md,其 Front Matter 声明了两个元数据字段:

  • name: investor-outreach —— 技能唯一标识,供其他技能与调用方引用;
  • description —— 明确写出触发语义:"Draft cold emails, warm intro blurbs, follow-ups, update emails, and investor communications for fundraising",即当用户需要对天使投资人、VC、战略投资人或孵化器做触达、且需要简洁、个性化的投资人沟通文案时使用。

技能文档的 When to Activate 一节列出了五类激活场景,这也是判断该不该调用此技能的依据:

  1. 给投资人写冷启动邮件(cold email);
  2. 起草暖介绍请求(warm intro request);
  3. 在会面后或未获回复时发送跟进(follow-up);
  4. 在融资过程中撰写投资人更新(investor updates);
  5. 基于基金的 thesis(投资论点)或合伙人偏好做定向定制(tailoring)。

从仓库结构看,该技能存在两个镜像副本:.agents/skills/investor-outreach/(面向 Agent 的技能库)与 skills/investor-outreach/SKILL.md(面向分发安装的技能库,Front Matter 额外带有 metadata.origin: ECC 标记来源)。两者正文内容一致,说明该技能同时走 ECC 内部 Agent 目录与对外技能包两条链路。README 的技能目录树(README.md)将其定位为 "Personalized fundraising outreach and follow-up",并在新增业务/内容技能列表中与之并列 article-writingcontent-enginemarket-researchinvestor-materialsREADME.md)。

技能注册与隐式调用配置

技能目录下还附带一个 Agent 接口配置文件 agents/openai.yaml,其中定义了技能对外暴露的元信息:

字段 作用
interface.display_name Investor Outreach 展示名称
interface.short_description Personalized investor outreach and follow-ups 简短描述
interface.brand_color #059669 技能品牌色
interface.default_prompt Use $investor-outreach to write concise personalized investor outreach. 默认提示词模板,$investor-outreach 是技能名调用语法
policy.allow_implicit_invocation true 允许 Agent 根据用户意图隐式调用,无需用户显式点名

allow_implicit_invocation: true 意味着当用户表达"给某 VC 写封邮件"之类的意图时,Agent 可依据 description 字段中的触发语义自动选用该技能,而不必等待用户输入 $investor-outreach 显式命令。该技能名同时也登记在全局技能清单 agent.yaml 中,属于 ECC 官方维护的技能集合。

五条核心规则(Core Rules):先于格式之上的写作纪律

技能文档将写作纪律放在结构模板之前,这是它区别于"邮件模板库"的关键——规则约束的是生成过程本身:

  1. Personalize every outbound message(每封外发邮件必须个性化)——不允许一套文案群发;
  2. Keep the ask low-friction(把请求做成低摩擦动作)——下一步行动要让收件人最容易执行;
  3. Use proof instead of adjectives(用证据代替形容词)——"增长很快"是形容词,"三个月内 ARR 从 X 到 Y"是证据;
  4. Stay concise(保持简洁)——投资人沟通的第一原则是短;
  5. Never send copy that could go to any investor(绝不发出任何能群发给所有投资人的文案)——这是对规则 1 的可执行化检验:如果这段话换个收件人照样成立,说明它不够个性化,必须重写。

其中规则 3 与规则 5 构成一正一反的一对约束:正面要求用可核验的事实支撑每一句主张,反面则要求每一封邮件都必须"只能寄给这一个收件人"。

声音处理:复用 brand-voice 的 VOICE PROFILE,而非自建第二套

Voice Handling 一节规定:当用户在意自身写作风格时,应先运行 brand-voice 技能并复用其产出的 VOICE PROFILE,而不是让 investor-outreach 自己再维护一套并行的声音系统。它只保留"投资人沟通专属的结构与 ask 纪律"。

这一分工在仓库中有完整的实现对应。brand-voice 技能定义 的输出契约(Output Contract)明确要求产出一个可被下游技能直接消费的结构化 VOICE PROFILE 块,其 schema 定义在 references/voice-profile-schema.md,包含以下固定区块:

VOICE PROFILE
=============
Author:
Goal:
Confidence:

Source Set
- source 1 / source 2 / source 3

Rhythm / Compression / Capitalization / Parentheticals
Question Use / Claim Style
Preferred Moves / Banned Moves
CTA Rules
Channel Notes(X / LinkedIn / Email 分渠道说明)

也就是说,investor-outreach 拿到的是一份带"渠道说明(Email 渠道如何收尾)"和"禁用手法清单"的可操作声音档案,而非临场模仿。brand-voice 的 Downstream Use 一节也明确把 "cold or warm outbound across X, LinkedIn, and email"(冷/暖外发触达)列为其消费场景之一。这种"一个声音系统、多个下游消费者"的架构决策,在 WORKING-CONTEXT.md 中有明确记录:2026-04-02 的整理工作确认 brand-voice 是权威声音系统,content-enginecrosspostarticle-writinginvestor-outreach 只保留各自的工作流专属指导,不再重复维护第二套声音模型或整份禁用词表。

硬性禁用清单(Hard Bans):出现即删改

技能对六类表达执行"删除并重写"(Delete and rewrite)级别的处理,这是生成后自检的硬性过滤项:

禁用表达 禁用原因
"I'd love to connect" 零信息量的社交套话,不构成对收件人的任何价值陈述
"excited to share" 模板化开场白,暴露群发痕迹
没有真实关联的泛泛 thesis 赞美 泛化恭维无法证明你研究过该基金,反而触发"这是模板"判断
模糊的创始人形容词 如 "passionate"、"visionary",属于 Core Rules 中"用证据代替形容词"的反面
乞求式语言(begging language) 损害谈判姿态,与"低摩擦但不对等下位"的 ask 纪律冲突
在直接 ask 更清晰时使用的软性收尾问句 软问句("如果方便的话……?")会稀释请求的确定性

这份清单与 brand-voice 的 Hard Bans(fake curiosity hooks、bait questions、"Excited to share" 等)在词面上有交集但职责不同:前者是声音层的反 AI 腔清单,后者是投资人沟通层的反低效沟通清单,两层过滤叠加作用于最终文案。

冷邮件五段式结构(Cold Email Structure)

技能把冷邮件拆成五个有固定职责的段落:

  1. subject line(主题行):短且具体——主题行本身就要携带信息量,不能是 "Hello" 或 "Question";
  2. opener(开场):回答"为什么偏偏是这位投资人"——直接对应个性化检验;
  3. pitch(陈述):公司在做什么、为什么是现在(why now)、以及哪个证据点(proof)最重要;
  4. ask(请求):只有一个具体的下一步——"只有一个"是硬约束,多个 ask 会提高摩擦;
  5. sign-off(署名):姓名、角色,以及如有必要的一个可信度锚点(credibility anchor),例如一个可核验的背书事实。

围绕 opener 与 pitch 中的个性化素材,Personalization Sources 一节给出了四类合法信源,至少引用其一:

  • 该基金的相关被投公司(portfolio companies);
  • 投资人公开的 thesis、演讲、帖子或文章;
  • 共同联系人(mutual connection);
  • 与基金专注领域清晰匹配的市场/产品契合点。

技能对"信源缺失"的处理同样明确:如果上述背景信息缺失,应直接声明"这份草稿仍待个性化",而不是伪装成已完成品。这是该技能内建的反幻觉机制——它宁可交出一个被标注为半成品的工作稿,也不产出看似完整但实际未个性化的群发文案。

跟进节奏(Follow-Up Cadence):默认三拍,之后停止

技能定义了默认的跟进序列:

时点 动作 内容要求
Day 0 初次外发(initial outbound) 按冷邮件五段式结构
Day 4 或 5 简短跟进 必须携带一个新的数据点(new data point),而非单纯提醒
Day 10 到 12 最后一次跟进 干净的收尾(clean close),明确本次触达到此为止

默认序列在第三次跟进后终止;"除非用户主动要求更长的序列,否则不再继续催"。值得注意的是,每次跟进不是"顶一下",而是要求携带增量信息——这与"用证据代替形容词"的核心规则一脉相承:跟进邮件同样要提供新的可核验内容,否则没有发送价值。

暖介绍请求与会议后更新:两类衍生沟通件的规范

Warm Intro Requests(暖介绍请求)

当触达路径是"请中间人引荐"时,技能要求替中间人着想(Make life easy for the connector),给出三条操作要求:

  • 说明为什么这次引荐是匹配的(why the intro is a fit)——降低中间人做判断的成本;
  • 附上一段可直接转发的介绍文案(forwardable blurb)——中间人只需要按"转发",不需要自己组织语言;
  • 该 blurb 必须控制在 100 词以内——超出即失去"一段话讲清"的转发友好性。

Post-Meeting Updates(会议后更新)

会面之后的跟进邮件必须包含四个要素:

  1. 会上讨论的具体事项(the specific thing discussed);
  2. 承诺过会提供的答案或更新(the answer or update promised)——兑现承诺本身是最强的可信度信号;
  3. 如有,一个新的证据点(one new proof point);
  4. 下一步(the next step)。

交付前质量门(Quality Gate):五项自检清单

技能把自检(Quality Gate)放在整个流程的最后一道关卡,交付前逐项确认:

  • 消息是真正个性化的(genuinely personalized),而非表面贴了名字;
  • ask 是显式的(explicit),不含糊;
  • 证据点是具体的(concrete),可被核验;
  • 填充式赞美与软化语气(filler praise and softener language)已全部清除;
  • 词数保持紧凑(word count stays tight)。

这五项清单与 Hard Bans 清单、Core Rules 形成三层递进:规则约束生成过程,Hard Bans 约束词汇层,Quality Gate 约束交付动作——三层都有据可查,构成一个闭环的生成-过滤-验收管线。

技能协作网络:在 ECC 技能体系中的上下游关系

从仓库结构看,investor-outreach 并非孤立技能,而是融资内容链路上"对外触达"这一环,与两个相邻技能形成明确分工:

  • 上游 · investor-materialsinvestor-materials 技能定义 负责 pitch deck、one-pager、投资人备忘录、财务模型与加速器申请等材料本体,其"Golden Rule"要求所有融资材料保持同一事实源(traction、raise size、use of funds 等口径一致)。触达邮件中的 pitch 与 proof point 理应取材于这些材料中已对齐的数字——材料端保证"数字一致且可辩护",触达端保证"数字被个性化地、低摩擦地投递出去"。
  • 声音层 · brand-voice:如前所述,提供跨技能复用的 VOICE PROFILE,是唯一的权威声音系统。
  • 分流域 · email-ops:仓库文档(如 docs/ja-JP/skills/email-ops/SKILL.md)将"投资人、合伙人、赞助商方向的邮件"路由至 investor-outreach,即通用邮件运营技能遇到投资人收件人时会转交给本技能处理,避免用通用邮件规则稀释投资人沟通纪律。

使用方式与适用前提

  • 查看方式:技能正文见 SKILL.md,分发副本见 skills/investor-outreach/SKILL.md,Agent 接口配置见 agents/openai.yaml
  • 调用方式:在支持 ECC 技能的 Agent 会话中,可通过 Use $investor-outreach ... 形式的默认提示词显式调用(模板见 openai.yaml 的 default_prompt),也可在 allow_implicit_invocation: true 的前提下由 Agent 依据用户意图隐式选用。
  • 前置条件:若在意创始人/团队声音,应先运行 brand-voice 生成 VOICE PROFILE 再进入本技能;若草稿涉及的 traction、raise 等数字来自其他融资材料,应先确保这些材料已通过 investor-materials 的事实源对齐。
  • 边界限制:本技能输出的是沟通文案与序列规划(邮件正文、blurb、跟进节奏),不生成 pitch deck 或财务模型——那是 investor-materials 的职责;当个性化信源(被投公司、公开 thesis、共同联系人、契合点)缺失时,技能会显式标记草稿"待个性化"而非自动补全,使用者需自行提供这些背景素材。

小结

investor-outreach 技能把融资触达从"套模板"改造成了一条有明确纪律的生成管线:五条核心规则定方向,五段式结构定骨架,四类信源加"缺失即声明"机制保证个性化不造假,三拍跟进节奏限定序列长度,暖介绍与会议后更新各自有独立要素清单,Hard Bans 与 Quality Gate 两层过滤保证交付质量。配合 brand-voice 的声音档案与 investor-materials 的材料事实源,这套技能组合覆盖了从"数字对齐"到"个性化投递"的完整融资沟通链路,其源码级的规则与门控定义均可在上述仓库路径中直接核验。

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
982
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