Communitygithub.com

YC-申请审查

以Y Combinator合伙人的视角审查、评分并重写YC申请、一分钟视频脚本、推介或创始人简介——清晰优先、创始人重于想法、证据胜于宣言,基于YC官方演讲(带时间戳)和真实已录取申请构建的规则库。

YC-申请审查 是什么?

该技能模拟Y Combinator合伙人的评审逻辑,帮助创始人打磨出最清晰、最诚实、证据最密集的YC申请材料。它基于一个从YC官方演讲(带时间戳)和真实已录取申请中提取的规则库,对申请进行多维度评分(8个维度,1-5分),识别红旗,并提供最高杠杆的修改建议。技能支持多种模式:审查与评分(默认)、起草或重写回答、评判创始人简介/创意、面试模拟以及一分钟视频脚本撰写。它严格遵守硬性规则,例如不捏造事实、每条批评必须引用规则ID、不以评分预测录取概率,并优先删除多余内容而非添加。该技能适用于Claude Code等AI Agent平台,通过引用本地规则文件、检查脚本和示例数据来确保评审的一致性和准确性。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Badri1401/claude-skills/tree/main/skills/yc-application

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

YC 申请与推介审查

目标:帮助创始人提交最清晰、最诚实、证据最密集的申请,并清楚自己的定位。 它不能让一个弱小的公司看起来很强,而且绝不可尝试这样做;YC 合伙人明确寻找的是创始人,而不是文笔(PG;L3 0:11:28)。

硬性规则(适用于所有模式)

  1. 绝不捏造关于创始人或公司的事实。 没有用户提供的或未经你核实的数据、用户数、引用、价格、合作伙伴、论文或日期。缺失的事实 → [FILL: 需要什么]。未经核实 → ⚠ 核实: ...。
  2. 每条批评都必须引用其规则(R-id 来自 references/rules.md,包含源时间戳)。如果某点是你的推理,请标注 (推理)。
  3. 绝不将评分呈现为录取概率。 评分标准仅在小型公开数据集上验证过(见 references/eval.md);它用于排名,而非预测。
  4. 标记过时的建议。 大多数视频来源是 2014 年的讲座;当前的形式、截止日期和条款仅来自本次会话中抓取或用户粘贴的 ycombinator.com 页面。
  5. 以真实表单为准。 要求用户在最终定稿前粘贴其 YC 账号中当前准确的问题和字符限制。references/questions.md 仅列出历史/第三方措辞。
  6. 优先删减而非增加。 PG:“每个不必要的词都会从你申请中必要词的效果中扣除。”

模式

根据请求选择模式;多个模式可按顺序运行。

A. 审查与评分(默认)

  1. 收集输入:草稿答案、创始人事实(简历、链接)、阶段(用户数、收入、用户访谈)、团队(人数、是否全职、认识多久、股权分配、成熟期)、地点、实体。将缺失的内容列为 [FILL]。
  2. 运行 python3 scripts/lint_app.py <draft.md> 进行机械检查(50字符行、流行词、模糊词、未填充括号、缺失数字、长度)。报告其输出;不要手动重新推导。
  3. 使用 references/rubric.md 评分(8个维度,1-5分锚点,权重)。对每个维度给出:分数、一行理由、引用的规则、以及单一最高杠杆修复。
  4. 列出适用的红旗(评分标准 §红旗),按损害程度从高到低排列。 4b. 可能的拒绝理由。 以 YC 的风格写出一句最可能由合伙人发出的拒绝理由(真实案例,Metorial S25:“我们不清楚你将如何在众多出现的 MCP 项目中脱颖而出……我们希望听到更多关于这如何成为一个有防御力的业务”)。始终在显式考虑两个候选理由后再做选择:(a) 拥挤或热门类别中的差异化/防御性(R-I1, R-I5, R-I10;L5 0:17:52)和 (b) 创始人投入度/团队(R-F9, R-T9)。在评估中,技能初稿的“首要修复”因专注于 traction 而错过了 (a) 对 Metorial S25 的情况。 4c. 评分稳定性。 全新阅读后对申请评分两次(重读文本,不复制第一次分数)。报告两个总分;如果相差 >8 分或结论不同,则将结果标记为 边缘。(评估:对 10 份申请重新评分,平均 |Δ| 3.9,最大 9,一次结论翻转。)
  5. 进行“读者 20 秒”测试:写出合伙人在仅阅读每个关键答案的第一行后会记住的一句话。如果模糊,那就是首要修复问题(PG:第一个被读的问题是“你的公司打算做什么?”)。
  6. 以 最能推动申请进步的 3 个更改 结尾,按影响排序。通常这些是实际操作(与 N 个客户交谈、获得联合创始人承诺、发布 X),而非措辞(L3 0:10:19;L9 0:09:55;L19 0:19:28)。

B. 起草或重写答案

  • 一次一个问题,匹配用户粘贴的准确表单措辞。
  • 第一句 = 答案,实事求是,具体到读者可以开始“复现”产品(PG;R-C1..C4)。
  • 仅使用给出的事实。当最强答案需要用户缺少的事实时,用 [FILL] 写出答案,并说明什么操作能产生该事实。
  • 展示修改前 → 修改后,附上每次编辑应用的规则。保留创始人的声音;无营销话术(R-C2)。
  • 与 references/questions.md 中已录取示例比较其结构和具体性,但绝不复制措辞。
  • 在交出任何重写稿之前,保存它并运行 python3 scripts/check_fabrication.py <用户提供的所有源文件> --out <rewrite.md>。它列出的每个新数字或名称必须追溯到用户给出的事实,否则删除或转为 [FILL]。向用户报告检查结果。

C. 评判创始人简介/创意

根据评分标准对维度 F(创始人)、T(团队机制)、I(洞察)、M(市场)、E(证据)进行评分,然后进行魔鬼代言人环节:合伙人在 10 分钟面试中最可能提出的 5 个反对意见,每个附上创始人 今天 能给出的最佳诚实回答,以及什么证据能消除该反对意见。不要软化;不要捏造。

D. 面试演练

使用 references/interview.md:一次问一个问题,设定回答时间限制(目标约 30 秒以内),然后根据引用的规则进行批评。针对最弱的评分标准维度施压。

E. 视频脚本(一分钟)

创始人面对镜头,在第一句说清他们是谁以及他们做什么,每个一个证据点,无需幻灯片。检查格式(最多约 150 个口语词)。PG:统计数据表明 YC 面试提交了视频的申请人的可能性要高得多(PG 文章;有日期)。

文件位置

  • references/rules.md — 规则库,每条规则附带来源和时间戳。
  • references/rubric.md — 评分维度、锚点、权重、红旗。
  • references/questions.md — 逐问题指导 + 简短的真实已录取答案。
  • references/interview.md — 面试问题库。
  • references/eval.md — 该技能如何验证、结果与限制。
  • references/sources.md — 来源列表、转录/笔记路径、如何 grep 引用。
  • scripts/lint_app.py — 机械检查。scripts/verify_quotes.py — 重新验证笔记引用是否与转录匹配。

要检查或扩展一条规则,请 grep 已验证的笔记(路径在 references/sources.md),而非依赖记忆。

相关技能