selfrelease
734a16a7f3
- 0-req.md: 扩充 Phase 2-4 需求、修正弱信号分期、补充多主体画像/OODA/客户成功/边缘算力等概念 - 1-prd.md: 补充九层架构、23+ Agent 体系、Phase 1-4 完整数据模型、健康度 14 维度、方法论驱动设计、缺失 UI 页面、安全权限设计、边缘算力部署 - 2-task.md: 对齐 v2.0 §17 四期路径，Phase 2(12任务) + Phase 3(13任务) + Phase 4(15任务) 完整规划
22 KiB
22 KiB
需求文档 (0-req)
来源：AI+投后管理方案v2.0.md 状态：已确认
一、系统定位
AI+ Portfolio Operating System —— 面向主投 AI、AI+ 和企业服务方向的投资机构，同时服务投资人和创始人的投后管理与组合协同平台。
系统不是简单的报表工具或 AI 问答助手，而是持续参与投后管理、对投资收益负责的 AI 投后操作系统。通过 AI Agent 持续感知被投企业经营变化，把数据转化为风险判断、管理任务和增长机会。
1.1 四项核心价值
- 更早识别风险：通过弱信号放大器和决策前哨，在财务报表反映问题之前 30–90 天发现风险信号。
- 提升投后人均管理企业数量：系统自动完成数据采集、解析、校验、异常识别和部分管理动作自治执行。
- 提高被投企业融资和商业化成功率：通过客户增长引擎、人才引力场和里程碑动态管理，主动为被投企业创造增长机会。
- 释放 Portfolio 协同价值：通过组合创新实验室，让 portfolio 从孤立公司集合变成客户、人才、技术和产业协同的创新生态。
1.2 六大范式转移
- 从"感知问题"到"预测决策" — 不只发现已发生的问题，更预测即将到来的决策点。
- 从"指标越界"到"弱信号放大" — 从非结构化数据中提取弱信号，跨维度关联后提前预警。
- 从"辅助管理"到"对收益负责" — 建立投后管理 alpha 归因，量化每个管理动作对投资回报的贡献。
- 从"匹配资源"到"主动创造增长" — 不等待企业提需求，主动为客户找企业、为人才找机会。
- 从"投资人工具"到"共同操作系统" — 给创始人和投资人同时使用，数据采集从"被动提交"变成"主动共享"。
- 从"数据沉淀"到"知识进化" — 持续学习管理动作与结果之间的因果关系，形成可复用的投后管理知识图谱。
1.3 方法论基础
系统融合多领域成熟方法论作为底层理论支撑：
- 约束理论（TOC）：持续识别"此刻制约这家公司增长的唯一瓶颈是什么"，集中资源突破。
- OODA 循环：Observe→Orient→Decide→Act，将投后管理决策周期从"月级"压缩到"周级"甚至"日级"。
- Build-Measure-Learn：追踪"这个月企业验证了什么假设、学到了什么"。
- 客户成功方法论：投后管理 = 客户成功，投资机构是服务方，被投企业是客户。
- Pre-mortem + Red Team：决策前系统性推演失败路径，AI Agent 扮演"反对者"挑战计划。
- After-Action Review（AAR）：每次重大事件后系统化复盘，将经验写入知识图谱。
- 行为助推（Nudge）：基于行为经济学，在恰当时机温和地推动更好决策。
- Crossing the Chasm：诊断 AI 产品"早期采用者→早期大众"的鸿沟风险。
- OKR 对齐：让投资人和创始人在同一套 OKR 上达成共识，持续追踪。
- Peer Learning Circles：结构化创始人同辈互助学习机制。
二、核心用户
| 角色 | 端 | 核心诉求 |
|---|---|---|
| GP / 合伙人 | 投资人端（桌面） | Portfolio 全局健康度、退出时机、Alpha 归因、组合再平衡 |
| 投后负责人 | 投资人端（桌面） | 风险工作台、干预闭环、协同推进、弱信号预警 |
| 投资经理 | 投资人端（桌面+移动） | 负责企业跟进、月报审阅、风险处理、任务执行 |
| 被投企业创始人 | 创始人端（移动优先） | AI 副驾驶、月报提交、融资规划、投资人沟通、组织诊断 |
| 系统管理员 | Admin 端 | 租户管理、权限配置、审计日志、数据安全 |
三、多主体画像体系
系统核心不是管理单一公司，而是管理多类主体及其关系。
| 画像类型 | 核心维度 | Phase |
|---|---|---|
| 投资机构画像 | 策略、资源能力、风险偏好、投后管理风格、LP 结构 | Phase 2 |
| 基金画像 | 策略、期限、投资偏好、退出要求、LP 诉求、基金表现 | Phase 2 |
| 被投企业画像 | 全生命周期状态，含 AI+ 专项维度 + 弱信号维度 + 数字孪生参数 | Phase 1（基础）/ Phase 2-4（扩展） |
| 核心团队画像 | 技能、经历、性格、状态、流动意愿、弱信号维度 | Phase 3 |
| 投资经理画像 | 能力、风格、负责项目、跟进质量、资源调用效果 | Phase 2 |
| 外部资源方画像 | 资源类型、能力、匹配度、历史协同效果 | Phase 3 |
| 人才画像 | 技能图谱、职业动态、流动概率、与被投企业匹配度 | Phase 3 |
四、Phase 1 MVP 需求（投后信息与风险管理）
对应 v2.0 §17.1 第一期：投后信息与风险管理
4.1 企业档案管理
- 投资机构创建/编辑/查看被投企业档案
- 企业基本信息、业务与产品、投资关系
- 支持按行业、阶段、基金筛选
- 企业列表 + 详情页
4.2 月报在线提交 + AI 解析
- 创始人端在线提交月报（结构化表单 + 文件上传）
- AI 自动解析月报文件，提取关键指标
- AI 生成投后摘要和关注点清单
- 投资经理追加评论和建议
- 追踪月报提交及时性
4.3 健康度评分
通用健康度（Phase 1 先做 2 个维度，后续 Phase 扩展至 9 维度）：
- 财务健康度：现金 Runway、月度收入与增长率、毛利率、经营性现金流
- 经营健康度：客户数量与增长、客户留存率、客单价
AI+ 专项健康度（Phase 1 先做 2 个维度，后续 Phase 扩展至 5 维度）：
- 商业化健康度：PoC 数量、转化率、付费客户数、MRR 增长、LTV/CAC
- 成本与单位经济：推理成本占收入比、单位推理成本、毛利率（扣除推理成本后）
每个评分附带：评分依据、趋势变化、主要扣分项、建议动作、负责人、复查时间。
后续扩展维度（Phase 2-3）：
- 组织与人才健康度、产品与技术健康度、市场与竞争健康度、治理与合规健康度、融资与资本健康度、协同与赋能健康度
- AI+ 模型与产品健康度、AI+ 数据与合规健康度、AI+ 团队与技术健康度
- 约束点识别（TOC）、认知追踪（BML）、采用生命周期鸿沟诊断
4.4 投资机构驾驶舱
- Portfolio 健康度分布图
- 本周新增风险与处理状态
- AI 周报摘要
- 重大事项提醒
- 企业健康度趋势对比
4.5 风险预警
- 指标越界自动预警
- 弱信号采集基础版（v2.0 §17.1 明确要求 Phase 1 含）：技术信号（GitHub 提交频率）、情绪信号、组织信号基础采集
- 风险列表：按严重程度、类型、企业、状态筛选
- 每个风险附带证据链、建议动作、负责人和时限
- 风险处理闭环：识别→分派→处理→复查→关闭
4.6 投后报告自动生成
- AI 根据月报数据自动生成投后摘要
- 支持按企业、按基金、按组合生成报告
- 报告可导出 PDF
4.7 移动端轻量入口
- 风险预警推送（实时）
- AI Copilot 基础问答
- 待办事项查看与审批
4.8 OODA 决策循环（基础版）
- Observe：弱信号采集器 + 月报数据持续观察
- Orient：AI 自动将新信息放入企业上下文判断
- Decide：AI 生成决策建议，投资人快速确认/否决
- Act：AI Agent 执行或分派任务
- 追踪每个 OODA 循环耗时，识别"决策延迟"
4.9 客户成功运营模型（基础版）
- 成功计划（Success Plan）：为每家被投企业制定个性化成功计划
- 健康分层（Health Tier）：红/黄/绿三色分层，不同层级触发不同干预流程
- 主动干预 Playbook：健康分从绿变黄时自动触发标准干预流程
五、非功能需求
| 维度 | 要求 |
|---|---|
| 性能 | 页面首屏 ≤ 2s，API P95 ≤ 500ms |
| 安全 | 多租户隔离、字段级权限、AI 权限继承（用户没有权限看的数据，AI 不能在回答中泄露）、全链路审计 |
| 部署 | Docker Compose（MVP）→ 边缘算力机私有化部署（推荐）→ 专有云/混合部署（长期） |
| 数据 | PostgreSQL 存储，Redis 缓存，PgVector 向量检索 |
| 加密 | 传输 TLS 1.3，存储 AES-256，密钥 KMS 集成，敏感字段独立加密 |
| 数据不出域 | 敏感数据本地处理，AI 推理使用本地模型，外部模型调用前自动脱敏 |
| 兼容 | Chrome/Safari/Edge 最新版，iOS/Android Safari/Chrome |
| i18n | 中英文，文案进 JSON |
5.1 边缘算力机架构（长期目标）
- 本地 AI 推理引擎：报表解析、风险分析、协同匹配、Agent 任务执行
- 本地知识库：投资机构私有知识、投后管理知识、企业上下文
- 本地数据存储：结构化数据、文档和向量索引
- 安全网关：控制外部数据拉取和模型更新
- 审计日志：全链路操作记录
5.2 权限控制层级
- 投资机构级、基金级、企业级、角色级、字段级、文件级、下载权限
- AI 权限继承：投资经理只看负责企业数据，企业只看自己数据，协同推荐未授权前只展示模糊信息
5.3 审计机制
- 登录审计、查看审计、修改审计、导出审计、AI 调用审计、权限变更审计、协同对接审计
六、Phase 2 需求（数据接入与智能校验）
对应 v2.0 §17.2 第二期：数据接入与智能校验
6.1 财务数据接入与自动校验
- 财务数据接入：资产负债表、利润表、现金流量表、科目余额、应收应付
- AI 数据校验 Agent：交叉验证不同来源数据一致性、检测报表内部逻辑矛盾、追踪历史数据修订、生成数据可信度评分
- 校验维度：内部一致性、跨期一致性、跨来源一致性、历史偏差、可验证程度
6.2 投资协议解析与条款监控
- AI 投资协议 Agent：解析投资协议，提取关键条款
- 持续监控企业行为是否触发协议条款
- 信息披露义务提醒、重大事项审批权提醒
- 回购条款触发预警、反稀释条款触发预警
- 让投资协议从"沉睡的 PDF"变成投后管理的规则引擎
6.3 董事会管理
- AI 董事会 Agent：会前自动生成材料摘要、追踪上次决议执行情况、生成投资人提问清单
- 会中：记录会议纪要和待办事项
- 会后：自动生成会议纪要、分派待办事项、追踪完成情况
- 将董事会从一次性会议变成持续管理流程
6.4 重大事项自动识别
- 自动识别企业重大事项（融资、人事变动、诉讼、合规事件等）
- 自动追问清单：AI 根据月报数据生成需要企业补充说明的问题清单
6.5 决策前哨（基础版）
- 识别企业即将面临的关键岔路口（产品转型、人事变动、融资节奏等）
- AI 提前生成"决策场景分析"——如果走 A 路线会怎样，如果走 B 路线会怎样
- 投资人在企业做决策之前介入
6.6 弱信号采集（增强版）
- 技术信号：GitHub 提交记录、技术社区活跃度、论文发表、开源项目活跃度
- 情绪信号：社交媒体、产品评论、客户投诉平台、员工评价平台
- 组织信号：招聘 JD 变化、组织架构调整、薪酬结构变化
- 市场信号：竞品动态、行业政策、资本市场情绪
- 弱信号关联引擎：多源弱信号采集 → 信号清洗 → 跨维度关联分析 → 风险概率评估 → 预警输出
6.7 健康度维度扩展
- 组织与人才健康度：核心团队稳定性、关键岗位空缺率、人效、员工流失率
- 产品与技术健康度：产品迭代频率、技术债务、专利与知识产权、研发投入占比
- 市场与竞争健康度：市场份额、竞品动态、NPS、品牌声量
- 治理与合规健康度：董事会运作规范性、信息披露及时性、投资协议履约
- 融资与资本健康度：当前估值、融资进展、股权结构、退出可能性
6.8 多主体画像（基础版）
- 投资机构画像：策略、资源能力、风险偏好、投后管理风格
- 基金画像：策略、期限、投资偏好、退出要求
- 投资经理画像：能力、风格、负责项目、跟进质量
6.9 Admin 管理后台
- 租户管理、用户管理、角色权限配置
- 审计日志查看与筛选
- 系统概览仪表盘
6.10 企业详情工作台
- 左侧 Tab 导航：概览/财务/经营/组织/AI+专项/风险/月报
- 中部展示当前维度详情（表格 + 图表）
- 右侧 AI 建议抽屉 + 待办事项 + 弱信号预警
- 底部投后管理时间线
6.11 Redis 缓存 + 审计日志
- Redis 缓存热点接口（仪表盘、企业列表等）
- 审计日志自动写入（CREATE/UPDATE/DELETE 全记录）
- 审计日志查询 + 筛选
七、Phase 3 需求（Portfolio 协同与增长引擎）
对应 v2.0 §17.3 第三期：Portfolio 协同与增长引擎
7.1 协同机会中心
- 企业资源需求发布 + 可输出能力发布
- AI 协同匹配 Agent：分析企业资源需求，在 Portfolio 内匹配可提供资源的公司，在投资机构资源网络中匹配外部资源方
- 协同类型：客户协同、供应链协同、技术协同、人才协同、融资协同、采购协同、品牌协同
- 协同闭环：机会发现 → 双方确认意向 → 授权信息交换 → 对接执行 → 进展追踪 → 效果评估 → 案例沉淀
- 商业秘密保护：协同推荐在未授权前只展示模糊信息，双方确认后才交换具体信息
7.2 组合创新实验室
- AI 分析所有企业的核心能力、数据和客户资源
- 自动发现能力组合机会：A 企业的模型能力 + B 企业的行业数据 + C 企业的客户渠道 = 新产品
- 生成联合产品方案，包括市场分析、收益分配和合作模式
- 把 Portfolio 从"资源池"变成"创新生态"
7.3 人才引力场
- 监控行业关键人才的职业动态、论文发表、社交信号
- 预测人才流动方向和离职概率
- 在人才还没投简历之前，主动推荐给被投企业
- 建立"人才期权"机制——提前接触、提前培养意向
- 9-Box 人才矩阵：对核心团队做绩效×潜力二维评估
7.4 客户增长引擎
- 分析投资机构 LP 的产业资源、Portfolio 客户网络、外部市场机会
- 不只是"推荐客户"，而是生成"客户获取方案"——包括切入角度、决策链分析、定价策略、竞争分析
- 追踪客户获取方案的执行结果，持续优化
7.5 创始人 AI 副驾驶（完整版）
- 融资规划：建议融资节奏、估值区间和投资人画像
- 组织诊断：分析团队结构、关键岗位风险、人才缺口
- 投资人沟通：帮助创始人理解投资人关注点，准备董事会材料和投资人问答
- 战略规划：基于行业数据和竞争格局，辅助战略决策
- 月报自动生成：从企业系统自动采集数据，生成结构化月报
7.6 AI 产品竞争力诊断
- AI 以真实用户身份注册使用产品，体验完整流程
- 自动对比竞品功能、定价、用户体验、响应速度
- 生成"产品竞争力热力图"
- 建议产品路线图调整方向
7.7 里程碑动态管理
- 建立"里程碑树"——每个里程碑有多个分支路径
- 当外部环境变化时，AI 建议切换到更优路径
- 当里程碑无法达成时，AI 分析"为什么未完成"并建议替代方案
7.8 OKR 对齐引擎
- 投资人和创始人共同制定季度 OKR
- AI 持续追踪 KR 进展，每周自动评估
- 当 KR 进展严重偏离时，AI 提前预警并建议调整方案
- 季度复盘：自动生成 OKR 复盘报告
- 对齐度评分：评估投资人 OKR 和创始人 OKR 的对齐度
7.9 行为助推引擎
- 锚定效应助推：展示同类企业基准数据，避免过度乐观
- 损失厌恶助推：展示"如果不处理，预计损失 X 万元"
- 社会证明助推：展示"Portfolio 中 3 家类似企业采取了这个行动，2 家效果显著"
- 默认选项助推：系统默认推荐最优管理动作
- 时机助推：在创始人最可能接受建议的时机推送
- 助推效果追踪：追踪每种助推策略的接受率和后续效果
7.10 Peer Learning Circles
- AI 自动匹配 3–5 位面临类似挑战的创始人，组成临时 Peer Learning Circle
- 结构化讨论框架：问题描述→各方经验→可行方案→行动承诺
- 讨论结论自动记录到知识图谱
- 与 AAR 联动：3 个月后回顾方案效果
7.11 协同与赋能健康度
- 投资机构资源对接次数与转化率
- Portfolio 协同机会数量与推进情况
- 外部资源引入效果
- 企业对投资机构赋能的满意度
7.12 AI+ 专项健康度扩展
- AI+ 模型与产品健康度：模型调用准确率、延迟、版本迭代频率、DAU/MAU、NPS
- AI+ 数据与合规健康度：训练数据来源合规性、用户数据授权覆盖率、内容审核覆盖率
- AI+ 团队与技术健康度：核心技术人才稳定性、模型团队配比、技术社区影响力
7.13 约束点识别 + 认知追踪 + 鸿沟诊断
- 约束点识别（TOC）：各维度评分 → 敏感度分析 → 约束点 = 敏感度 × 改善空间最大的维度
- 认知追踪（BML）：支持企业记录"假设→实验→数据→结论"的完整循环
- 采用生命周期鸿沟诊断：识别企业卡在"早期采用者→早期大众"鸿沟前，自动标记并建议跨越策略
八、Phase 4 需求（智能投后操作系统）
对应 v2.0 §17.4 第四期：智能投后操作系统
8.1 投后管理 Alpha 归因
- 建立从投资决策→投后动作→企业变化→退出回报的完整因果链
- 每次投后干预记录为"干预事件"，追踪干预后企业指标变化轨迹
- 归因维度：人才推荐、客户引入、战略建议、融资支持、风险干预
- 回答"我们做的哪些动作真正创造了价值"和"哪些动作是无效甚至有害的"
8.2 退出时机预测引擎
- 主动计算每个被投企业的最优退出路径和时机窗口
- 信号维度：行业估值倍数变化、企业增长曲线拐点、竞品退出案例、二级市场情绪
- AI 量化分析"现在退出 vs 继续持有 3 年"的期望收益
- 提前 6–12 个月生成退出准备建议
8.3 组合层面资源再分配
- 追踪每个企业的"边际回报率"——每多投入一份资源带来的边际增长
- AI 建议把资源从低边际回报企业转向高边际回报企业
- 模拟不同再分配方案对组合整体 IRR 和 DPI 的影响
8.4 Monte Carlo 组合模拟
- 对每个被投企业建立概率化退出模型（基础/乐观/悲观情景）
- 对整个 Portfolio 做 Monte Carlo 模拟：10000 次随机抽样，生成组合 IRR/DPI 概率分布
- 识别"组合回报的主要驱动因素"
- 模拟不同管理动作对组合回报的影响
8.5 多 Agent 协同与自治执行
- L1：数据采集、报告生成、提醒推送（人工审核所有输出）
- L2：风险识别、协同匹配、任务分派（人工确认后执行）
- L3：常规管理动作执行、LP 报告自动发送（事后审核，异常时人工介入）
- L4：战略建议生成、退出时机建议（人工决策，AI 提供完整方案）
8.6 数字孪生（基础版）
- 为每个被投企业建立数字孪生模型
- 模拟不同决策场景：融资场景、产品转型、组织调整、市场变化
- 投资人在真实决策前先在数字孪生上验证
- 随着真实数据持续输入，数字孪生精度不断提升
8.7 投后管理知识图谱（基础版）
- 持续学习每次投后管理动作的结果
- 知识图谱结构：企业特征 + 管理动作 + 环境上下文 → 结果指标变化 → 投资回报影响
- 积累行业最佳实践、阶段最佳实践、风险处理经验、资源匹配经验、失败案例
- 新企业进入时自动匹配最佳管理策略
8.8 AAR 系统化复盘
- 触发条件：风险处理完成、融资完成/失败、关键人才入职/离职、重大客户签约/流失、产品转型执行后、董事会决议完成后
- AAR 五问：原计划是什么？实际发生了什么？为什么有差异？我们学到了什么？下次应该怎么做不同？
- AAR 结论自动写入知识图谱
- 追踪 AAR 改进建议的执行情况，形成"复盘→改进→验证"闭环
8.9 Pre-mortem 失败推演 + Red Team 对抗分析
- Pre-mortem：决策前系统性推演失败路径，生成决策风险清单和缓解措施
- Red Team Agent：扮演"魔鬼代言人"，对创始人战略计划提出质疑
- 模拟竞争对手视角和悲观投资人视角
- 投资人在董事会前可参考 Red Team 报告
8.10 基金级策略分析 + 跨基金资源调度
- 基金级策略分析：不同基金的策略、期限、退出要求对比
- 跨基金资源调度：在多基金间优化资源配置
- LP 报告自动生成
8.11 行业研究自动化
- AI 行业研究 Agent：追踪行业动态和政策变化、竞品融资、上市公司动态
- 生成行业风险提示和企业对标分析
8.12 RAG 知识库 + 语义搜索
- 文本向量化（千问 embedding API）
- PgVector 扩展，存储向量化的月报/报告片段
- RAG 检索服务：语义搜索 + 上下文注入
- AI Copilot 增强：对话时自动 RAG 检索相关历史月报/报告
8.13 智能预警 + 预测分析
- 趋势预测：基于历史评分预测未来 3 月健康度
- 异常检测：统计方法识别指标突变
- 弱信号关联增强：多指标交叉检测
8.14 多源数据接入
- Crunchbase API：融资信息同步
- 企业工商数据：天眼查/企查查 API
- GitHub 活跃度：开源项目监控
- 数据源管理 API：配置/同步/查看
8.15 协作闭环 + 任务管理
- Task 模型：投后任务/待办/跟进项
- Comment 模型：月报评论/风险评论
- 任务看板（Kanban 视图）
- 通知服务：邮件/站内信/Webhook
8.16 数据安全 + 合规加固
- JWT refresh token 轮转 + 黑名单
- 限流中间件：登录 5 次/min + 写接口按用户限流
- PII 脱敏：手机/邮箱/身份证 日志脱敏
- 敏感字段加密存储：API Key/外部凭证
- 2FA 支持（TOTP）
8.17 投后报告增强 + 定期推送
- AI 报告生成：季度/年度报告自动生成
- 定时任务：月报提醒/报告生成/风险扫描
- 邮件发送：报告推送/风险预警通知
- PDF 模板：封面/目录/图表/建议
- 报告预览组件：浏览器打印优化