技能介绍

投资人还没打开附件，材料里的硬伤可能已经埋好了

一人公司创始人往往要在 BP、路演 PPT 和 Excel 财务模型之间来回改版本。真正麻烦的不是「写得不够漂亮」，而是同一组数字在不同文件里对不上、增长故事缺少假设支撑、毛利率和同行完全不在一个量级却没人提醒——这些都会在尽调前几轮对话里被直接追问。

技能如何跑完一轮自检

技能会先按扩展名路由解析：.pptx / .docx / .xlsx 走对应 Skill 工具，.pdf 用内置 extract_pdf.py 抽出文本。解析后固定落盘一批结构化字段：公司名、赛道、商业模式、TAM/SAM/SOM、团队、历史与预测财务、本轮融资用途，以及用于作图的可比公司、预测序列、竞品维度评分、单位经济模型等。

随后按六个维度逐项给出是 / 否 / 不确定：

数据一致性：正文与模型、跨页数字、历史与预测的衔接
逻辑漏洞：收入是否清晰、竞争叙事是否自洽、增长假设是否有依据
行业 Benchmark：优先 neodata-financial-search，次选 westock-data，再降级 Web 搜索；标出显著偏离均值的指标
表述风险：过度承诺、无数据支撑的「领先」、专利/资质类法律表述
投资人七问覆盖度：护城河、市场规模、单位经济、竞争、团队、用钱计划、退出路径
格式与可读性：单页信息密度、数据来源标注、预测假设说明

分析结果写入 JSON 后，generate_charts.py 在数据充足时输出 Benchmark 对比、财务趋势、TAM 漏斗、竞争雷达、单位经济瀑布等 PNG，并由 generate_report.py 生成可嵌入图表的 Word 报告，最后通过 deliver_attachments 交付。

适用边界

行业对比数据有时效性，报告中应保留来源与日期。本技能聚焦材料呈现与自洽性，不替代律师、会计师的尽调。纯图片 PDF 可能解析失败，需改用文本或截图；单文件超过 20MB 建议拆分（财务模型优先）。图表依赖 matplotlib，中文乱码时需配置系统字体（如 SimHei、Arial Unicode MS）。