Communitygithub.com

Investor-Materialien

Erstellen und aktualisieren Sie Pitch Decks, One-Pager, Investoren-Memos, Accelerator-Bewerbungen, Finanzmodelle und Fundraising-Unterlagen. Setzen Sie dies ein, wenn der Nutzer investorengerechte Dokumente, Prognosen, Mittelverwendungstabellen, Meilensteinpläne oder Materialien benötigt, die über mehrere Fundraising-Assets hinweg intern konsistent bleiben müssen.

Was ist Investor-Materialien?

Dieses Skill unterstützt Entwickler und KI-Agenten beim Aufbau professioneller, investorengerechter Materialien, die Konsistenz und Glaubwürdigkeit sicherstellen. Es ist hilfreich für Pitch Decks, One-Pager, Investoren-Memos, Finanzmodelle und Accelerator-Bewerbungen. Der Skill stellt sicher, dass alle Zahlen und Aussagen auf einer einzigen Quelle der Wahrheit basieren (z. B. Traktion, Preise, Teamdaten), bevor ein Dokument erstellt wird. Er arbeitet mit einem klaren Workflow (Inventarisierung, Lückenerkennung, Asset-Erstellung, Gegenprüfung) und bietet spezifische Anleitungen für jeden Asset-Typ, inklusive Qualitätskontrolle und Warnung vor typischen Fallstricken wie nicht verifizierbaren Behauptungen oder inkonsistenten Teammitgliedern. Der Skill ist plattformunabhängig und eignet sich für alle KI-Agenten (Claude Code, Cursor, Codex etc.), die Fundraising-Inhalte generieren müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/investor-materials

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Investoren-Materialien

Erstellen Sie investorengerechte Materialien, die konsistent, glaubwürdig und leicht zu verteidigen sind.

Wann zu aktivieren

  • Erstellen oder Überarbeiten eines Pitch Decks
  • Schreiben eines Investoren-Memos oder One-Pagers
  • Aufbau eines Finanzmodells, Meilensteinplans oder einer Mittelverwendungstabelle
  • Beantworten von Accelerator- oder Inkubator-Bewerbungsfragen
  • Ausrichten mehrerer Fundraising-Dokumente auf eine gemeinsame Quelle der Wahrheit

Goldene Regel

Alle Investoren-Materialien müssen miteinander übereinstimmen.

Erstellen oder bestätigen Sie eine einzige Quelle der Wahrheit vor dem Schreiben:

  • Traktionsmetriken
  • Preis- und Umsatzannahmen
  • Rundenhöhe und Instrument
  • Mittelverwendung
  • Team-Bios und Titel
  • Meilensteine und Zeitpläne

Wenn widersprüchliche Zahlen auftauchen, stoppen Sie und klären Sie diese vor dem Entwurf.

Kern-Workflow

  1. Bestandsaufnahme der kanonischen Fakten
  2. Identifizieren fehlender Annahmen
  3. Wählen des Asset-Typs
  4. Entwurf des Assets mit expliziter Logik
  5. Gegenprüfung jeder Zahl gegen die Quelle der Wahrheit

Asset-Führung

Pitch Deck

Empfohlener Ablauf:

  1. Unternehmen + Ansatz
  2. Problem
  3. Lösung
  4. Produkt / Demo
  5. Markt
  6. Geschäftsmodell
  7. Traktion
  8. Team
  9. Wettbewerb / Differenzierung
  10. Frage
  11. Mittelverwendung / Meilensteine
  12. Anhang

Wenn der Nutzer ein webbasiertes Deck wünscht, kombinieren Sie diesen Skill mit frontend-slides.

One-Pager / Memo

  • Beschreiben Sie, was das Unternehmen tut, in einem klaren Satz
  • Zeigen Sie, warum gerade jetzt
  • Fügen Sie Traktion und Belege früh ein
  • Machen Sie die Frage präzise
  • Halten Sie Behauptungen leicht überprüfbar

Finanzmodell

Enthalten:

  • Explizite Annahmen
  • Pessimistischer / Basis- / Optimistischer Fall, wenn nützlich
  • Saubere, schichtweise Umsatzlogik
  • Meilensteingebundene Ausgaben
  • Sensitivitätsanalyse, wenn die Entscheidung von Annahmen abhängt

Accelerator-Bewerbungen

  • Beantworten Sie genau die gestellte Frage
  • Priorisieren Sie Traktion, Erkenntnis und Teamvorteil
  • Vermeiden Sie Übertreibungen
  • Halten Sie interne Metriken konsistent mit Deck und Modell

Zu vermeidende Warnsignale

  • Nicht überprüfbare Behauptungen
  • Unklare Marktgrößen ohne Annahmen
  • Inkonsistente Teamrollen oder Titel
  • Umsatzmathematik, die nicht sauber aufgeht
  • Übertriebene Sicherheit bei fragilen Annahmen

Qualitätskontrolle

Vor der Auslieferung:

  • Jede Zahl stimmt mit der aktuellen Quelle der Wahrheit überein
  • Mittelverwendung und Umsatzschichten addieren sich korrekt
  • Annahmen sind sichtbar, nicht versteckt
  • Die Geschichte ist klar ohne reißerische Sprache
  • Das endgültige Asset ist in einem Partnergespräch verteidigbar

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills