项目初步筛选诊断(Project Fund Screening)
目的
把"投资机构分阶段 BP 标准 + 政府引导/产投基金落地要求"沉淀为一键式诊断能力: 输入项目的基本事实,输出一份结构化诊断,帮助 FA/投行/创始人在融资前快速定位 "哪类出资人、卡在哪、怎么改"。政策底座为国办发〔2025〕1号及 2025-2026 各地细则。
何时使用
- 用户给出项目概况,想判断"财务投资人和政府基金分别能不能投"。
- 用户要"项目体检 / 融资前诊断 / BP 达标度评估"。
- 用户问"返投能不能达成、落某个城市政府基金可行性"。
- 用户要批量初筛多个项目、按契合度排序。
工作流程
步骤 1:采集项目事实
通过提问或解析用户描述,收集以下信息(缺失可标记"待核实",不要臆造):
- stage:seed/angel · pre_a/A · B · C · PE/pre_ipo
- facts:团队完整度、市场天花板(tam_tier 1-5)、早期验证、技术壁垒、PMF(留存/NDR)、 增长(mom/qoq)、单元经济(LTV/CAC、毛利率)、护城河、财务(Runway、盈利路径)、 治理合规、退出路径。
- landing(做政府维度时必填):拟落地城市、产业是否对齐该市重点投资领域清单、 可认定返投动作数、落地意向(注册/研发中心/税收/就业)。
若信息不足且用户希望快速跑,可先用内置 --self-test 样例演示报告形态,再请用户补全。
步骤 2:生成输入 JSON
按 assets/diagnosis-template.md 的模板,把事实写成 JSON 文件(建议放在项目工作区,
如 screen-input.json)。仅做 VC 维度则 screen_gov:false,反之亦然。
步骤 3:运行诊断引擎
python3 scripts/diagnose.py --input screen-input.json --output screen-report.md
引擎(scripts/diagnose.py)会:
- 按阶段派生 VC/PE 各准则 0–5 分与权重,计算综合达标度;
- 结合城市画像(见
references/scorecards.md)计算政府基金维度契合度; - 触发红旗规则,给出整改建议。
若未指定
--output,报告与 JSON 摘要直接打印到标准输出。
步骤 4:加载参考知识(按需)
当用户质疑某条标准或要求展开时,读取:
references/standards.md:VC 分阶段标准、政府基金落地要求、各地模式、双出资人对照。references/scorecards.md:打分规则的权重与阈值、城市画像表、红旗触发条件。 用于向用户解释"为什么这项得分低""某城市返投多少倍"。
步骤 5:产出诊断报告并附建议
将引擎生成的 Markdown 报告交付用户,并补充投行视角的判断:
- 若 VC 红旗多 → 先补"人和势/PMF",政府钱救不了商业模型缺陷。
- 若政府红旗多 → 先做产业契合与落地设计,善用 2025 松绑红利选低返投城市。
- 给"一套材料两种讲法"建议:主 BP 统一,另附政府版附录(产业匹配+税收/就业/研发中心测算)。
关键约束
- 所有政策口径引用国办发〔2025〕1号及 2025-2026 各地细则,引用时注明"截至 2026.07"。
- 缺失字段必须标"待核实",不得臆造分数或数据。
- 诊断不构成正式投资建议;涉及具体城市申报指南以当地最新办法为准。
- 用中文输出(与用户输入语言一致)。
文件导航
scripts/diagnose.py— 确定性诊断引擎(核心)references/standards.md— VC/政府标准细则知识库references/scorecards.md— 评分权重、城市画像、红旗规则assets/diagnosis-template.md— 输入 JSON 模板 + 输出报告骨架
评论
加载中…