人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载导读本文围绕 FinRobot 开源仓库中 finrobot_desktop/skills/private-equity/deal-sourcing/SKILL.md 这一核心技能文档展开系统拆解 PE 投前项目源获取Deal Sourcing的完整工作流——发现目标公司、CRM 关系核查、起草创始人外联邮件并结合作业平台的技能加载机制SkillRegistry、load_skill、pipeline_methodology讲解其底层实现原理与安全渲染约束。读完本文你将掌握在 FinRobot 中加载、触发、调用该 PE 技能的方法理解三段式项目源获取方法论每一步的落地细节并学会如何让 AI 助手产出高质量、可发送的创始人外联邮件。一、技能文档的结构与定位1.1 从 Frontmatter 看技能的元数据契约deal-sourcing技能文档遵循 FinRobot 原生的SKILL.md格式文档头部是 YAML Frontmatter用于描述技能的身份信息与触发条件其后是 Markdown 正文承载工作流方法论。对照 SKILL.md 的 Frontmatter字段取值含义iddeal-sourcing技能唯一标识供 SkillRegistry 索引与activate_skill(skill_id)激活nameDeal Sourcing人类可读的技能名version1.0.0版本号加载时缺省回退为1.0.0authoranthropic技能作者上游来源标注domainprivate-equity领域分类用于按领域归档与展示descriptionPE deal sourcing workflow ...技能语义摘要也是注册表的关键词检索依据之一triggersfind companies/source deals/draft founder email/check if weve seen this company/outreach to founder触发关键词供 LLM 语义检索命中该技能requires_data/requires_tools/requires_skills/compatible_models[]依赖声明当前为空需要说明的是从源码结构看requires_data、requires_tools、requires_skills、compatible_models目前只是被解析进数据模型spec.py 中标注为parsed but not enforced until P1b / P2c / P3a即属于信息性字段尚未在运行时强制校验真正驱动技能被选中的是name、triggers与description三者的组合。1.2 仓库如何加载这份技能文档FinRobot 技能子系统通过 loader.py 中的load_skill(path)将这份SKILL.md解析为Skill模型先拆分---包裹的 YAML Frontmatter 与正文再用yaml.safe_load解析 Frontmatter并强制校验id与name必须存在缺任一字段即抛出SkillLoadError。description优先取 Frontmatter 中的值缺失时回退到正文首个非标题段落。随后SkillRegistry 会递归扫描skills/目录树中所有**/SKILL.md以id → Skill的形式建立索引search(query)大小写不敏感地按 name3 分、triggers2 分、description1 分对查询词打分排序——这也解释了为什么 SKILL.md 的 triggers 列表要精挑细选高频用户表述list_summary()按领域分组生成可用技能清单注入 LLM 上下文其中每条技能以{id}: {name} — {description[:50]}的一行摘要呈现get(skill_id)/list_ids()供activate_skill工具做精确激活与错误提示。在 orchestrator.py 中平台通过agent.tool暴露activate_skill(skill_id)工具命中技能后调用render_pipeline_methodology(skill)渲染流水线安全方法论详见本文第五节未命中时返回 Unknown skill. Available: ... 并附上全部可用技能 id。二、三步项目源获取工作流总览技能文档将完整的 Deal Sourcing 定义为一条三阶段管道3-step sourcing pipelineStep 1: Discover Companies → Step 2: CRM Check → Step 3: Draft Founder Outreach 发现目标公司 存量关系核查 起草创始人外联邮件每一阶段都遵循输入条件 → 执行动作 → 结构化输出的节奏第 1 步产出目标公司短名单shortlist第 2 步对短名单逐家打上关系标签第 3 步只对标记为New的公司起草个性化外联邮件。下面逐阶段展开。三、Step 1发现目标公司Discover Companies3.1 先问清筛选口径再动手搜索文档强调在研究开始前必须先与用户对齐目标公司的筛选条件避免漫无目的的搜索。关键筛选维度有四类维度典型问题示例字段含义行业/赛道Sector/industry focusB2B SaaS in healthcare、industrial services in the Southeast确定搜索的产业空间与地域半径交易参数Deal parametersRevenue 区间、EBITDA 区间、growth profile、geography划定公司规模与盈利能力门槛所有权类型Ownership typefounder-owned创始人持股、PE-backedPE 背书、corporate carve-out集团分拆决定创始人沟通对象与交易结构假设成长画像Growth profile高增长 / 稳定现金流 / 转型期影响后续投资论点thesis的契合度3.2 信息来源与输出格式文档建议使用 Web 搜索去发掘候选公司典型信源包括行业报告industry reports、会议参会名单conference attendee lists、行业刊物trade publications、竞争对手图谱competitor landscapes。这一步的产出是一份 5-8 家的短名单且每家公司必须携带完整的画像字段名称name、业务描述description、预估收入/体量estimated revenue/size、所在地location、创始人/CEO 姓名、官网website、以及为什么契合投资论点why they fit the thesis。其中why they fit the thesis是差异化要点——它要求 Agent 不只罗列公司而是把每家公司映射回用户事先给出的投资标准为后续邮件定制提供素材。四、Step 2CRM 关系核查CRM Check4.1 外联前的必查清单在向任何创始人发出邮件之前必须先确认这家公司或创始人是否与自家机构已有联系。文档给出了三条核查通道邮件检索在用户的 Gmail 中搜索与该公司/创始人的历史往来邮件内部检索在 Slack 中搜索内部对该目标的任何提及或既往讨论直接询问向用户确认 Have you or your team had any prior contact with [Company]?。4.2 三段式关系标签对短名单中的每家公司CRM 核查必须落成一个明确的关系标签作为 Step 3 是否起草邮件的决策依据标签判定标准后续动作New无任何过往接触进入 Step 3 起草个性化外联邮件Existing检索到既往往来汇总已有往来内容调整外联措辞Previously Passed有证据表明此前已放弃pass标记背景谨慎重启或不再联系这一先查关系再外联的纪律避免了 PE 机构最常见的尴尬——向已明确拒绝过的创始人重复发冷邮件。五、Step 3起草创始人外联邮件Draft Founder Outreach5.1 语气与结构文档为冷邮件cold email给出四条硬性规范语气专业但温暖Professional but warm不宜过度正式——创始人更愿意回应真诚、简洁的沟通结构四段式——① 简要自我介绍你是谁、来自哪家机构未知时先向用户索取机构简介② 为什么注意到这家公司必须引用具体细节产品、市场地位、增长③ 你们在找什么强调合作 partnership而非一锤子交易④ 轻量邀约Soft ask——Would you be open to a brief conversation?个性化必须引用公司具体产品、近期新闻或市场定位严禁套用通用模板篇幅最多 4-6 句话创始人很忙。5.2 语音匹配Voice Matching文档特别强调voice matching如果用户此前发过外联邮件Agent 应先在 Gmail 的已发送中检索包含 reaching out、introduction、partnership 等关键词的历史邮件学习并复刻用户本人的行文风格与语气而不是使用助手自己的风格。5.3 邮件草稿规范主题行短而具体指向公司或行业而不是泛泛的 Investment Opportunity首触附件首次接触不附带附件CTA清晰但低压力low-pressure的行动号召输出通道若可用则在 Gmail 中直接起草否则以纯文本输出供用户复制。六、示例交互从用户指令到邮件草稿文档给出了一个完整的端到端示例可作为该技能行为的验收基线用户Find me founder-owned industrial services companies in Texas doing $10-50M revenue助手执行链路按条件联网搜索德州工业服务类公司呈现一份 5-8 家的短名单及关键信息对每家公司逐一检查 Gmail/Slack 中的历史接触仅对标记为 New 的公司起草个性化外联邮件在发送前把草稿交由用户审阅。七、重要纪律与平台安全约束7.1 技能文档自带的三条红线原文档在 Important Notes 中明确列出不可逾越的行为边界短名单先审阅起草邮件前必须先把短名单呈现给用户审阅发送须经批准未经用户明确同意绝不发送任何邮件信息不足先询问若机构简介或投资标准不清晰先问清楚再动笔质量为王5 家研究扎实的目标优于 20 家泛泛而谈的目标。7.2 平台层的流水线安全方法论渲染这是一个重要的工程细节FinRobot 的自动化流水线与 Claude Code 交互式技能存在行为差异。在 pipeline_methodology.py 中平台为deal-sourcing等金融技能预置了_PIPELINE_SAFE_METHODOLOGY的叙述性精简版其核心约束包括将方法论表述为discover → relationship-check → outreach-rationale的分析框架而非实际执行Discovery 环节只要求描述 thesis filter 与目标短名单特征不真正搜索外部数据Relationship 环节只要求把new / existing relationship / previously passed作为基于已有证据的分析标记呈现Outreach 环节只输出什么样的创始人触达有说服力的定性指引明确禁止搜索 Gmail/Slack/CRM、起草或发送创始人邮件、路由短名单给人审批、在任何步骤前暂停等待人类确认。该机制由 orchestrator.py 的activate_skill工具统一渲染注释中说明原始 SKILL.md 正文携带交互式检查点wait for user approval、one task at a time若原样注入无人值守的报告流水线会诱导 Agent 停下来等待人类因此必须使用蒸馏后的叙述版本。这也解释了为什么交互式聊天场景与流水线场景会读到同一技能的两种形态——同一渲染路径两种上下文。八、技能来源与转换根据 ATTRIBUTION.md 与 UPSTREAM_VERSION.txt 的元数据本仓库的 56 个技能29 个 Format A 27 个 Format B源自 Anthropic 的 financial-services-plugins 上游仓库经 convert_skills.py 于 2026-03-31 自动转换为 FinRobot 原生 SKILL.md 格式转换过程仅做格式适配、内容不变共 56 个技能、0 错误。deal-sourcing归属private-equity私募股权领域与同领域的deal-screening、ic-memo、dd-checklist等技能共同构成 PE 工作台能力集。九、实战要点速查触发方式直接对 FinRobot 助手说 find companies、source deals、draft founder email、check if weve seen this company、outreach to founder即可命中该技能激活方式在具备skill_runtime的环境下通过activate_skill(deal-sourcing)工具精确激活orchestrator.py质量评判线短名单必须含why they fit the thesis字段每家公司必须有 New / Existing / Previously Passed 三态之一只有 New 才起草邮件邮件必须个性化、≤6 句、含低压力 CTA、无附件平台边界无人值守流水线中该技能以叙述性方法论呈现pipeline_methodology.py不做真实外联执行交互式场景由用户明确批准后才会起草真实邮件。赞分享人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载相关推荐基于 SKILL.md 文档深度解读 PE Deal Screening私募股权项目筛选技能的全流程实战指南基于 SKILL.md 文档深度解读 PE Deal Screening私募股权项目筛选技能的全流程实战指南 Deal Screening 项目筛选是私募人工智能AI 应用AI 技能/插件AI Agent金融科技financial-services 私募股权插件 screen-deal 命令实战CIM/Teaser 入站项目四步筛选工作流全解析financial services 私募股权插件 screen deal 命令实战CIM/Teaser 入站项目四步筛选工作流全解析 导读 screen d人工智能AI 应用AI 技能/插件AI Agent金融科技FinRobot Portfolio Monitoring 技能详解面向私募股权投后管理的 KPI 提取与预算偏差分析工作流FinRobot Portfolio Monitoring 技能详解面向私募股权投后管理的 KPI 提取与预算偏差分析工作流 本文导读 本篇指南围绕 Fin人工智能AI Agent金融科技AI 应用大模型RAG上一篇技能目录三步走让 AI 开发技能一次编写处处可用下一篇终极技能领导力框架如何通过Awesome Agent Skills构建高效AI开发团队创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 FinRobot 私募股权（PE）Deal Sourcing 技能深度解析：三步项目源获取工作流实战指南
人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载导读本文围绕 FinRobot 开源仓库中 finrobot_desktop/skills/private-equity/deal-sourcing/SKILL.md 这一核心技能文档展开系统拆解 PE 投前项目源获取Deal Sourcing的完整工作流——发现目标公司、CRM 关系核查、起草创始人外联邮件并结合作业平台的技能加载机制SkillRegistry、load_skill、pipeline_methodology讲解其底层实现原理与安全渲染约束。读完本文你将掌握在 FinRobot 中加载、触发、调用该 PE 技能的方法理解三段式项目源获取方法论每一步的落地细节并学会如何让 AI 助手产出高质量、可发送的创始人外联邮件。一、技能文档的结构与定位1.1 从 Frontmatter 看技能的元数据契约deal-sourcing技能文档遵循 FinRobot 原生的SKILL.md格式文档头部是 YAML Frontmatter用于描述技能的身份信息与触发条件其后是 Markdown 正文承载工作流方法论。对照 SKILL.md 的 Frontmatter字段取值含义iddeal-sourcing技能唯一标识供 SkillRegistry 索引与activate_skill(skill_id)激活nameDeal Sourcing人类可读的技能名version1.0.0版本号加载时缺省回退为1.0.0authoranthropic技能作者上游来源标注domainprivate-equity领域分类用于按领域归档与展示descriptionPE deal sourcing workflow ...技能语义摘要也是注册表的关键词检索依据之一triggersfind companies/source deals/draft founder email/check if weve seen this company/outreach to founder触发关键词供 LLM 语义检索命中该技能requires_data/requires_tools/requires_skills/compatible_models[]依赖声明当前为空需要说明的是从源码结构看requires_data、requires_tools、requires_skills、compatible_models目前只是被解析进数据模型spec.py 中标注为parsed but not enforced until P1b / P2c / P3a即属于信息性字段尚未在运行时强制校验真正驱动技能被选中的是name、triggers与description三者的组合。1.2 仓库如何加载这份技能文档FinRobot 技能子系统通过 loader.py 中的load_skill(path)将这份SKILL.md解析为Skill模型先拆分---包裹的 YAML Frontmatter 与正文再用yaml.safe_load解析 Frontmatter并强制校验id与name必须存在缺任一字段即抛出SkillLoadError。description优先取 Frontmatter 中的值缺失时回退到正文首个非标题段落。随后SkillRegistry 会递归扫描skills/目录树中所有**/SKILL.md以id → Skill的形式建立索引search(query)大小写不敏感地按 name3 分、triggers2 分、description1 分对查询词打分排序——这也解释了为什么 SKILL.md 的 triggers 列表要精挑细选高频用户表述list_summary()按领域分组生成可用技能清单注入 LLM 上下文其中每条技能以{id}: {name} — {description[:50]}的一行摘要呈现get(skill_id)/list_ids()供activate_skill工具做精确激活与错误提示。在 orchestrator.py 中平台通过agent.tool暴露activate_skill(skill_id)工具命中技能后调用render_pipeline_methodology(skill)渲染流水线安全方法论详见本文第五节未命中时返回 Unknown skill. Available: ... 并附上全部可用技能 id。二、三步项目源获取工作流总览技能文档将完整的 Deal Sourcing 定义为一条三阶段管道3-step sourcing pipelineStep 1: Discover Companies → Step 2: CRM Check → Step 3: Draft Founder Outreach 发现目标公司 存量关系核查 起草创始人外联邮件每一阶段都遵循输入条件 → 执行动作 → 结构化输出的节奏第 1 步产出目标公司短名单shortlist第 2 步对短名单逐家打上关系标签第 3 步只对标记为New的公司起草个性化外联邮件。下面逐阶段展开。三、Step 1发现目标公司Discover Companies3.1 先问清筛选口径再动手搜索文档强调在研究开始前必须先与用户对齐目标公司的筛选条件避免漫无目的的搜索。关键筛选维度有四类维度典型问题示例字段含义行业/赛道Sector/industry focusB2B SaaS in healthcare、industrial services in the Southeast确定搜索的产业空间与地域半径交易参数Deal parametersRevenue 区间、EBITDA 区间、growth profile、geography划定公司规模与盈利能力门槛所有权类型Ownership typefounder-owned创始人持股、PE-backedPE 背书、corporate carve-out集团分拆决定创始人沟通对象与交易结构假设成长画像Growth profile高增长 / 稳定现金流 / 转型期影响后续投资论点thesis的契合度3.2 信息来源与输出格式文档建议使用 Web 搜索去发掘候选公司典型信源包括行业报告industry reports、会议参会名单conference attendee lists、行业刊物trade publications、竞争对手图谱competitor landscapes。这一步的产出是一份 5-8 家的短名单且每家公司必须携带完整的画像字段名称name、业务描述description、预估收入/体量estimated revenue/size、所在地location、创始人/CEO 姓名、官网website、以及为什么契合投资论点why they fit the thesis。其中why they fit the thesis是差异化要点——它要求 Agent 不只罗列公司而是把每家公司映射回用户事先给出的投资标准为后续邮件定制提供素材。四、Step 2CRM 关系核查CRM Check4.1 外联前的必查清单在向任何创始人发出邮件之前必须先确认这家公司或创始人是否与自家机构已有联系。文档给出了三条核查通道邮件检索在用户的 Gmail 中搜索与该公司/创始人的历史往来邮件内部检索在 Slack 中搜索内部对该目标的任何提及或既往讨论直接询问向用户确认 Have you or your team had any prior contact with [Company]?。4.2 三段式关系标签对短名单中的每家公司CRM 核查必须落成一个明确的关系标签作为 Step 3 是否起草邮件的决策依据标签判定标准后续动作New无任何过往接触进入 Step 3 起草个性化外联邮件Existing检索到既往往来汇总已有往来内容调整外联措辞Previously Passed有证据表明此前已放弃pass标记背景谨慎重启或不再联系这一先查关系再外联的纪律避免了 PE 机构最常见的尴尬——向已明确拒绝过的创始人重复发冷邮件。五、Step 3起草创始人外联邮件Draft Founder Outreach5.1 语气与结构文档为冷邮件cold email给出四条硬性规范语气专业但温暖Professional but warm不宜过度正式——创始人更愿意回应真诚、简洁的沟通结构四段式——① 简要自我介绍你是谁、来自哪家机构未知时先向用户索取机构简介② 为什么注意到这家公司必须引用具体细节产品、市场地位、增长③ 你们在找什么强调合作 partnership而非一锤子交易④ 轻量邀约Soft ask——Would you be open to a brief conversation?个性化必须引用公司具体产品、近期新闻或市场定位严禁套用通用模板篇幅最多 4-6 句话创始人很忙。5.2 语音匹配Voice Matching文档特别强调voice matching如果用户此前发过外联邮件Agent 应先在 Gmail 的已发送中检索包含 reaching out、introduction、partnership 等关键词的历史邮件学习并复刻用户本人的行文风格与语气而不是使用助手自己的风格。5.3 邮件草稿规范主题行短而具体指向公司或行业而不是泛泛的 Investment Opportunity首触附件首次接触不附带附件CTA清晰但低压力low-pressure的行动号召输出通道若可用则在 Gmail 中直接起草否则以纯文本输出供用户复制。六、示例交互从用户指令到邮件草稿文档给出了一个完整的端到端示例可作为该技能行为的验收基线用户Find me founder-owned industrial services companies in Texas doing $10-50M revenue助手执行链路按条件联网搜索德州工业服务类公司呈现一份 5-8 家的短名单及关键信息对每家公司逐一检查 Gmail/Slack 中的历史接触仅对标记为 New 的公司起草个性化外联邮件在发送前把草稿交由用户审阅。七、重要纪律与平台安全约束7.1 技能文档自带的三条红线原文档在 Important Notes 中明确列出不可逾越的行为边界短名单先审阅起草邮件前必须先把短名单呈现给用户审阅发送须经批准未经用户明确同意绝不发送任何邮件信息不足先询问若机构简介或投资标准不清晰先问清楚再动笔质量为王5 家研究扎实的目标优于 20 家泛泛而谈的目标。7.2 平台层的流水线安全方法论渲染这是一个重要的工程细节FinRobot 的自动化流水线与 Claude Code 交互式技能存在行为差异。在 pipeline_methodology.py 中平台为deal-sourcing等金融技能预置了_PIPELINE_SAFE_METHODOLOGY的叙述性精简版其核心约束包括将方法论表述为discover → relationship-check → outreach-rationale的分析框架而非实际执行Discovery 环节只要求描述 thesis filter 与目标短名单特征不真正搜索外部数据Relationship 环节只要求把new / existing relationship / previously passed作为基于已有证据的分析标记呈现Outreach 环节只输出什么样的创始人触达有说服力的定性指引明确禁止搜索 Gmail/Slack/CRM、起草或发送创始人邮件、路由短名单给人审批、在任何步骤前暂停等待人类确认。该机制由 orchestrator.py 的activate_skill工具统一渲染注释中说明原始 SKILL.md 正文携带交互式检查点wait for user approval、one task at a time若原样注入无人值守的报告流水线会诱导 Agent 停下来等待人类因此必须使用蒸馏后的叙述版本。这也解释了为什么交互式聊天场景与流水线场景会读到同一技能的两种形态——同一渲染路径两种上下文。八、技能来源与转换根据 ATTRIBUTION.md 与 UPSTREAM_VERSION.txt 的元数据本仓库的 56 个技能29 个 Format A 27 个 Format B源自 Anthropic 的 financial-services-plugins 上游仓库经 convert_skills.py 于 2026-03-31 自动转换为 FinRobot 原生 SKILL.md 格式转换过程仅做格式适配、内容不变共 56 个技能、0 错误。deal-sourcing归属private-equity私募股权领域与同领域的deal-screening、ic-memo、dd-checklist等技能共同构成 PE 工作台能力集。九、实战要点速查触发方式直接对 FinRobot 助手说 find companies、source deals、draft founder email、check if weve seen this company、outreach to founder即可命中该技能激活方式在具备skill_runtime的环境下通过activate_skill(deal-sourcing)工具精确激活orchestrator.py质量评判线短名单必须含why they fit the thesis字段每家公司必须有 New / Existing / Previously Passed 三态之一只有 New 才起草邮件邮件必须个性化、≤6 句、含低压力 CTA、无附件平台边界无人值守流水线中该技能以叙述性方法论呈现pipeline_methodology.py不做真实外联执行交互式场景由用户明确批准后才会起草真实邮件。赞分享人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载相关推荐基于 SKILL.md 文档深度解读 PE Deal Screening私募股权项目筛选技能的全流程实战指南基于 SKILL.md 文档深度解读 PE Deal Screening私募股权项目筛选技能的全流程实战指南 Deal Screening 项目筛选是私募人工智能AI 应用AI 技能/插件AI Agent金融科技financial-services 私募股权插件 screen-deal 命令实战CIM/Teaser 入站项目四步筛选工作流全解析financial services 私募股权插件 screen deal 命令实战CIM/Teaser 入站项目四步筛选工作流全解析 导读 screen d人工智能AI 应用AI 技能/插件AI Agent金融科技FinRobot Portfolio Monitoring 技能详解面向私募股权投后管理的 KPI 提取与预算偏差分析工作流FinRobot Portfolio Monitoring 技能详解面向私募股权投后管理的 KPI 提取与预算偏差分析工作流 本文导读 本篇指南围绕 Fin人工智能AI Agent金融科技AI 应用大模型RAG上一篇技能目录三步走让 AI 开发技能一次编写处处可用下一篇终极技能领导力框架如何通过Awesome Agent Skills构建高效AI开发团队创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考