跳至正文

Diligence decision-support experiment

Kairos VC

面向风险投资尽职调查的决策支持原型

A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.

业务 ↔ 技术桥梁 · Diligence decision-support experiment

Connect external signals to an investment decision without turning a score into authority.

Explores a reviewable full-stack diligence workflow with visible assumptions and replaceable model providers.

这是对项目组合与源代码的解读,并非客户、部署、认证或成果声明。

  1. 01

    业务压力

    Deal, market, founder, technical, portfolio, and reporting evidence is assembled across disconnected data sources and individual judgement.

  2. 02

    产品决策

    Separate workflow, APIs, persistence, retrieval, scoring, and model providers, including a deterministic mock path for repeatable testing.

  3. 03

    技术记录

    Deal, research, diligence, scoring, portfolio, and report surfaces across FastAPI, Next.js, data, retrieval, and provider-adapter boundaries.

  4. 04

    证据回流

    Missing sources, conflicting signals, score assumptions, and reviewer decisions return to thesis, diligence scope, and portfolio monitoring.

源码证据

源码实际能够证明什么

A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.

详细技术快照以英文维护。

成熟度
Development prototype
证据审查
源码快照截至

产品与架构决策

  • Separate the browser workflow, API modules, persistence, retrieval, and model-provider layer.
  • Use a deterministic mock provider so workflow and scoring behaviour can be exercised without a live model.
  • Position model-assisted scoring as decision support whose assumptions remain visible to an investor.

可核验的证据

  • FastAPI and Next.js application surfaces with PostgreSQL, vector-search, and Redis boundaries.
  • Backend tests spanning deal, intelligence, diligence, portfolio, and report workflows.
  • Provider adapters and local container configuration for repeatable development setup.

声明边界

  • No investment return, predictive accuracy, or decision-quality outcome is asserted.
  • External data coverage and model output depend on the services and credentials configured by an operator.
  • The repository does not establish a live customer deployment or a production operating record.

代码仓库证据不等同于客户、部署、认证或成果证据。

架构

从创始人冷邮件到投资组合监控的工作流界面

三个源代码边界:工作流 UI、模块化 API,以及带有确定性测试支持的可替换模型提供方层。

仅为源代码图:一层可能代表已实现代码、适配器边界或文档设计,并不证明已配置生产服务。

  1. 01

    第 1 层 — 交易工作流 UI

    Next.js 源代码呈现流程看板、创始人评审、评分、竞争格局图谱和投资组合监控界面。源代码存在,并不证明具备实时数据覆盖或已被投资人采用。

  2. 02

    第 2 层 — 模块化 API

    FastAPI 源代码呈现用于交易寻源、尽职调查、创始人评分、技术评估、竞争情报、条款清单起草和投后监控的模块。按阶段校准的逻辑——种子期看重的并不等于 Series C 看重的。

  3. 03

    第 3 层 — 模块化 LLM 后端

    提供方适配器呈现 Anthropic、Mistral、Ollama、Hugging Face 和确定性 mock 路径。模型行为、所在地和数据处理取决于所选提供方与部署配置。

问题所在

问题所在

为什么风险投资尽职调查已经失灵

  1. 人工研究

    交易证据往往需要从创始人、市场、技术、商业和监管等来源手工汇总,难以持续保留来源和一致的复核过程。

  2. 深度参差不齐

    质量因分析师而异。缺乏标准化框架意味着某些交易会遗漏关键信号。

  3. 周转缓慢

    出具一份投资备忘录需要数周。热门交易在尽职调查完成前就已经成交。

  4. 智能信息孤岛

    过往交易的洞察无法复用。每次评估都从零开始,没有任何机构记忆——而欧盟特有的数据(EIC 资助、BPI France、INPI 备案、AMF 披露)则被完全忽略。

功能

核心功能

用于模型辅助尽职调查工作流的源代码界面

仅为源代码范围:条目可能描述代码、已记录适配器或已配置工作流,并不表示生产服务正在运行。

  1. 01

    创始人尽职调查

    源代码呈现一套创始人评估评分标准,涵盖背景、过往业绩、人脉网络、技术深度、领导力、抗压能力、市场洞察与诚信——在 Kairos Score 中权重占 25%。结论仍由投资人负责。

  2. 02

    市场验证

    用于 TAM/SAM/SOM 假设、时机分析和市场机会评分的工作流界面。来源的可用性取决于已配置的数据适配器。

  3. 03

    竞争格局图谱

    源代码呈现一份由 AI 起草的竞争格局分析,包含定位、差异化评估与护城河评价。结论仍由投资人负责。

  4. 04

    增长信号

    针对数字化存在、代码仓库活动、招聘信号、客户口碑、备案文件和商业数据集的适配器与工作流界面。列出某个来源的名称,并不证明能够实际访问该来源。

  5. 05

    探索性信号模型

    源代码呈现融资时机、变化信号、关键人物风险和估值假设工作流。它们需要获许可的数据、校准和投资人复核;不声称预测准确性或投资结果。

  6. 06

    交付物草稿

    源代码汇编投资备忘录、尽职调查报告、竞争视图和风险登记册的草稿,供投资人复核。不声称任何周转时间或决策质量方面的结果。

8 个评分维度

该原型评什么、为什么评、数据怎么说

该原型将评分维度和评分标准明确列出,使投资人能够审查其中的假设,而不是把模型输出当作定论。

仅为仓库表面:可用性、完整性、性能与运营适用性需要另行验证。

DIM 1

团队质量

01

领域深度 × 执行速度 × 团队契合信号(联合创始人间的协作动态、过往交付证据、招聘记录)。源代码中呈现的输入:LinkedIn 数据补充、公开提交节奏和访谈记录。列出某个来源的名称,并不证明能够实际访问该来源。

DIM 2

市场规模

02

带来源的自下而上 TAM、自上而下的合理性校验、五年增长论点、监管顺风/逆风。拟议评分规则要求提供结构化的『为何是现在』依据,否则会对『整个欧盟都是我们的市场』的说法扣分。

DIM 3

产品契合度

03

记录用户研究成果、可获得时的留存证据,以及演示与可运营产品之间的差距。结论仍由投资人负责。

DIM 4

增长强度

04

营收曲线质量(而非仅看绝对数字)、净收入留存、销售周期随时间的缩短、自然增长与付费增长的占比。按阶段校准——种子期看重的并非 Series A 看重的。

DIM 5

资本效率

05

相对阶段的烧钱倍数、CAC 回收周期、跑道清晰度、上一轮的估值与质量比。拟议评分规则会标记『为已交付的里程碑投入了过多资本』的情况。

DIM 6

技术深度

06

按领域进行的技术评估,由 LLM 后端起草,种子期与 Series C 采用不同的评分标准。它是供投资人审查的一项输入,而不是对创始人所宣称新颖性的定论。

DIM 7

防御力(护城河)

07

数据护城河深度、切换成本分析、适用时的监管护城河(如临床、国防)、网络效应曲线形态。回答『这家公司为什么不会被科技巨头碾压?』。

DIM 8

GTM 速度

08

销售打法清晰度、ICP 纪律、渠道质量、由创始人主导销售向规模化的过渡计划。拟议评分规则会对『我们会招一位销售 VP 来想办法』之类的回答扣分。

技术栈

技术构建

所列技术仅标识仓库依赖项或适配器表面,并不证明存在活动集成或部署。

后端
Python, FastAPI, PostgreSQL + pgvector, Redis, SQLAlchemy, Alembic
AI / ML
Anthropic、Mistral、Ollama、Hugging Face 和确定性 mock 适配器源代码;可用性、所在地和数据处理取决于独立仓库中的运营方配置。
前端
Next.js 16, React 19, Tailwind CSS, Radix UI, Recharts, Zustand
数据采集
Playwright, Selenium, BeautifulSoup, httpx, LinkedIn, GitHub, F6S
基础设施
Docker Compose, JWT auth, API keys, structlog, rate limiting
测试
Pytest, Playwright E2E, Vitest, TanStack Query

源代码

探索代码

Kairos VC 原型源代码可应要求提供,用于评估与合作目的。

需要 NDA

如需访问源代码,请签署保密协议。这是一项标准的法律手续。

相关咨询服务

正在寻找 AI 驱动的尽职调查或初创企业规模化方面的专业能力?欢迎了解我的咨询服务。

合作

对 Kairos VC 感兴趣?

面向正在探索可审查的、由模型辅助的尽职调查工作流的团队。

取得联系
AI 洞察

The AI Dispatch

从演示走向可靠运营。订阅 Physical AI 新读物。

随时可取消订阅。绝无垃圾邮件。