这个 Skill 能做什么，适合哪些场景？
该技能面向私募股权投资组合季度复盘、年度规划和 AI 投资排序。它读取各投资组合公司的季度更新、董事会材料和财务数据，评估数据、负责人和 30 天试点条件。随后识别后台、前台和运营环节的 AI 机会，并按 EBITDA 影响、价值实现速度和执行概率排序。它还会寻找可在多家公司复用的 AI 改进方案，并输出面向运营合伙人的投资组合行动清单。
先询问投资组合材料的位置，可使用已连接的 MCP 服务器、本地文件夹或上传的 PDF、PowerPoint 和 Excel。按公司提取行业、收入、各职能人数、技术栈及现有 AI/自动化项目，并询问剩余持有期和既有成功部署。对每家公司检查数据是否就绪、是否有管理层负责人以及能否在 30 天内试点；然后识别 2—3 个杠杆机会，估算节省的每周 FTE 工时，并判断是现成工具还是轻量定制。最后将机会跨公司排名，列出复用方案、Go/Wait 判断、未采用的机会以及 Year 1 和 Year 2—3 的累计 EBITDA 贡献。
- 投资组合运营合伙人在季度复盘时，需要决定哪些公司先获得 AI 投资。
- 私募股权团队进行年度规划，需要比较多家投资组合公司的 AI 快速见效机会。
- 某家公司准备试点自动化，但团队需要先确认数据、负责人和 30 天试点条件。
- 一家公司已有成功的发票处理方案，团队希望寻找可复制到其他投资组合公司的跟随者。
如何安装这个 Skill？
- 不得将技能生成的 EBITDA 贡献、概率或 AI 投资优先级视为已验证结论；应由专业人员核对数据、假设和计算。
- 使用组合公司财务或董事会材料前，应补充访问权限、保密处理、数据保留和第三方 MCP 数据流要求。
- 在中国大陆网络环境中，海外 MCP 服务的可达性未被证明；应优先确认本地文件或上传流程可用。
- 网络访问
- 本地文件系统
- MCP Server
在 Cowork 中打开 Settings → Plugins → Add plugin，粘贴 https://github.com/anthropics/financial-services，然后从市场列表选择 private-equity 垂直插件。也可以下载包含该技能的 plugins/vertical-plugins/private-equity/ 目录并上传 zip。所提供材料未给出单独安装 ai-readiness 技能的 Claude Code 命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/anthropics/financial-services.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/plugins/vertical-plugins/private-equity/skills/ai-readiness" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- AI opportunity scan
- where should we deploy AI
- AI across the portfolio
- AI quick wins
触发词包括“AI readiness”“AI opportunity scan”“where should we deploy AI”“AI across the portfolio”“AI quick wins”或“which portcos are ready for AI”。示例："Run an AI readiness scan across the portfolio. The quarterly decks are in /path/to/files; rank the top five opportunities and identify replays." 使用前准备季度更新、董事会材料和财务数据，并说明各公司的剩余持有期及是否已有成功的 AI 部署。
这个 Skill 有哪些优点和局限？
- 提供明确的 Go/Wait 三项门槛，能暴露数据、负责人和试点速度问题。
- 按 EBITDA 影响、价值速度和执行概率排序，而不是只列举 AI 想法。
- 包含跨投资组合复用、共享供应商议价和快速跟随机会。
- 强调现成工具、30 天试点和持有期，适合运营合伙人决策。
- 输出质量取决于投资组合材料是否完整，以及是否能识别真实的管理层负责人。
- 技能本身不提供数据连接、估值模型或自动化脚本；MCP、文件夹或上传材料需要另行提供。
- 提供的材料没有测试套件、平台覆盖验证或实际部署结果。
- 技能给出机会排序框架，但来源没有规定统一的 EBITDA 估算公式或工具成本数据。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 投资组合 AI 就绪度扫描 本页 ✓ Anthropic · 官方 | 46 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
| PE Returns Sensitivity ✓ Anthropic · 官方 | 46 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
| 税损收割助手 ✓ Anthropic · 官方 | 49 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
| cuOpt 多目标探索 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.6k | 11 天前 | Apache-2.0 |
| Azure AI Foundry 模型微调 ✓ Microsoft · 官方 | 48 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
技能要求先确认数据位置，并允许本地文件或上传材料，未声明自动执行外部动作或索取凭据；但涉及财务、董事会和组合公司数据，缺少权限最小化、数据流披露、敏感数据处理、结果确认、隔离与回滚要求，因此扣分。
步骤顺序、Go/Wait 门槛和输出结构基本自洽，且明确单公司例外；但没有脚本、测试、输入校验、数据缺失处理、计算复现规则或可诊断的异常反馈，静态评估不超过10分，因此扣分。
目标用户、季度审查和年度规划场景、触发词、单公司与跨组合模式均较清楚；但非适用边界、具体输入格式、行业差异和中文输出没有明确规定，且部分 MCP 服务可能依赖海外网络，虽有本地文件和上传替代，仍扣分。
文档采用分步流程和渐进式说明，包含示例表格、限制性原则和失败试点提示；但技能自身没有版本、变更记录、维护负责人、更新路径、安装依赖说明或 FAQ，治理信息主要存在于仓库级 README，因此扣分。
技能提供从扫描、门槛判断、组合排序、复用机会到一页式交付的完整框架，理论上能形成可直接审阅的工作产物；但 EBITDA、概率和节省工时缺乏统一计算口径，结果仍需较多专业复核，且静态阅读无法验证实际输出质量，因此扣分。
流程中的门槛和排序标准可被人工审计，仓库有插件校验和安全扫描 CI；但没有针对该技能关键路径的测试、样例结果、第三方 corroboration 或独立复现证据，因此仅给有限分数。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →