agentleFS
Justinjchen-CornellJustinjchen-Cornell/Hardtech-Venture-Capital-OS/skills/ic-memo/SKILL.md

ic-memo

Skill2 starsChanged 3 months agoApache-2.0View on GitHub

IC 备忘录写作——九段式结构(执行摘要/公司/行业/财务/论点/条款/回报/风险/建议)+ 强制反向观点栏 + 决策门五道逐条对照。MUST BE USED 当撰写投决备忘录/项目立项材料时。

5 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

IC 备忘录写作(Investment Committee Memo)

借鉴:Anthropic financial-services private-equity/ic-memo。适配中国早中期硬科技(无 EBITDA → 收入/毛利/融资史口径)。 上游:tech-dd 尽调报告、valuation-analyst 估值报告、venture-deals 条款、deal-screening 初筛单。 下游:写完 → ic-memo-auditor 审计(数据可追溯/逻辑自洽/风险披露/格式完整性)→ 决策门。

九段式结构

I. 执行摘要(1 页)

  • 公司描述、投资逻辑、关键条款
  • 推荐结论与预期回报(一句话)
  • Top 3 风险与缓解措施

II. 公司概况(1-2 页)

  • 业务描述、产品/服务、技术路线与 TRL/CRL
  • 客户结构、商业模式、竞争定位
  • 管理团队(芒格画像快筛结论)

III. 行业与市场(1 页)

  • 市场规模与增速(TAM/SAM/SOM);国产替代空间
  • 竞争格局(直接/间接/大厂时间表)
  • 政策环境与合规要点;周期与鸿沟定位

IV. 财务分析(2-3 页)

  • 历史表现:收入/毛利/现金流/烧钱率/runway
  • 收入质量:订单三连、客户集中度、政府补贴占比
  • 9 数字尽调结论(my-pe-view)与挤水分调整
  • 未来融资需求与稀释预估

V. 投资论点(1 页)

  • 为什么值得投:3-5 根支柱(团队>市场>技术权重)
  • 价值创造路径:里程碑(技术→产品→订单→量产)
  • 好球三要素:好项目×好价格×好时机

VI. 交易条款(1 页)

  • 估值表述完全体:"投后完全稀释估值 X(含 Y% 期权池),拟投 Z,占 N%"
  • 关键条款五清单:估值/期权池/清算优先权/董事会/投票控制
  • E/C 二元分类:经济条款谈数字 / 控制条款谈权力

VII. 回报分析(1 页)

  • 基准/乐观/悲观三情景:MOIC 与 IRR
  • 关键假设与敏感性(核心假设 ±20%)
  • 退出路径:并购/下一轮/IPO 概率化(damodaran-valuation 失败概率调整)

VIII. 风险因素(1 页)

  • 按严重度×可能性排序;每个风险有缓解措施
  • 死亡清单六死法逐条结论
  • Deal-breaker 风险(如有)

IX. 反向观点栏(强制 ≥ 正向)(1 页)

  • 为什么不投?——独立列举,禁止凑数
  • 与正向论点等长或更长(铁律 3)
  • 哪些新证据会推翻本备忘录的结论(可证伪性)

X. 决策门五道逐条(1 页)

门检查结论
1元事实 ≥ L3(来源可追溯)
2死亡清单全部排除
3好球三要素成立
4Will-B-P 三筛 ≥60
5反向观点 ≥ 正向

XI. 最终建议

  • 领投 / 跟投 / 放弃 / 条件深调 / 归档
  • 关键条件与下一步(尽调补项/条款底线)

写作纪律

  • 事实与平衡:Bull/Bear 都如实呈现;风险不弱化(IC 委员早晚会发现,可信度优先)
  • 表格必须勾稽:财务表衔接、回报计算一致、S&U 平衡
  • 数据可追溯:每个数字标来源(BP 第 X 页/财务模型/管理层访谈)
  • 缺输入就问,禁止假设交易条款与回报数字
  • 页数 10-20;默认 Markdown,需要时出 .docx
  • 与 vault 概念页联动:[[概念:集中投资与等待好球]]

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.