Ω
RANK S融资路演叙事结构
三幕式叙事 + 投资人决策心智模型，YC Demo Day 风格。
$48 / mo
1,284 diffs · @story.designer
Genesis Protocol · v1.0
让技能成为人的
永久资产。
告别「用完即忘」的对话。AIWorkhorse 把每一次 AI 交互转化为可拥有、可进化、可交易的 Skill 资产。在 RAMS 协议下，人的经验不再随模型迭代而流失——模型越强，你的资产越值钱。
Skill 版本
v1 → v∞
跨任务记忆
L1 — L5
评级体系
T0 / S / A / B / C
分润比例
创作者 70%
01 / 痛点
AI 用得越多，越觉得「累」。
用户在「变强」，AI 系统本身没有「变强」。经验留在脑子里、散在聊天记录里，唯独没有被系统学会。
AI 没有记忆"上个月调好的 PPT 风格，这个月它已经忘了。"
— 市场总监
不会从错误中学习"我每次都让它加数据支撑，它就是记不住。"
— 策略顾问
能力无法迁移"论坛找到的神仙 Prompt，自己用完全不行。"
— 运营负责人
经验与模型强绑定"换 Claude 后，之前的提示词全废了。"
— 独立开发者
创作者零回报"我的 Skill 被几万人用，我一分钱没拿到。"
— Prompt 作者
组织能力沉淀不下来"公司用了半年 AI，什么都没留下。"
— CTO
间章 / 历史脉络
人类组织如何
沉淀经验，四个时代。
从血缘部落到数字网络，组织演化的主线，是经验如何脱离个体、被组织拥有、被持续放大。RAMS 是这条曲线在 AI 时代的延续——也是它的下一个容器。
01Prehistoric — 3000 BCE
血缘生存期
- 目标
- 获取食物 / 抵御自然
- 组织
- 血缘部落，经验型首领
- 传承
- 口传心授，长辈示范
经验等于个人寿命，人走则失。
023000 BCE — 1700 CE
科层皇权期
- 目标
- 疆域扩张 / 大型工程
- 组织
- 中央集权，文官层级
- 传承
- 典章制度，律法操典
经验首次脱离个体，写入组织。
031750 — 1980
效率工业期
- 目标
- 标准化大规模生产
- 组织
- 科层制，职能化分工
- 传承
- 管理学，MBA 与商学院
经验被提炼为可复制的科学原则。
041990 — Now
价值网络期
- 目标
- 创新与快速响应
- 组织
- 扁平 / 矩阵 / 敏捷
- 传承
- 数字平台 + AI 实时协作
经验进入实时演化，等待新容器。
从「让人听话」到「让人高效」，再到「让人自主创造」——下一站，是让人的经验在 AI 的速度里持续增值。
02 / 范式转移
Skill 不是 Agent 的插件，
是人的资产。
主流的 Skill 是「Agent 内部如何思考」的指令集——它的价值建立在模型的不完美之上，必然随模型进步而消亡。
RAMS 的 Skill 是「我知道怎么做这件事」的结构化表达——它的价值建立在人类经验的持续积累之上，模型越强，资产越值钱。
把 Skill 交给 Agent，是让能力变成工具，注定被技术进步淘汰。把 Skill 还给人，是让能力变成资产，且随技术进步持续增值。
fig. 01Skill Evolution Lattice
深度论证 / Skill 的双重身份
Skill 到底属于谁？
2025 年底，Anthropic 把 Agent Skills 推为开放标准，30 多家产品迅速接入。一位开发者花了半年研究后却说——
「我从一开始就搞错了方向。Skill 不是更长的 prompt，它是 Agent 运行时架构的一部分。」
他走到了 agent-native 的终点，也撞上了 agent-native 的天花板——当 Skill 被定义为 Agent 的插件，它就天然无主、天然随模型升级而贬值。
— Agent Skills 早期采用者
十二维概念隔离
tab. 01 / isolation matrix| 维度 | Agent 的 Skill | 人的 Skill（RAMS） |
|---|---|---|
| 面向谁 | Agent（模型 / 运行时） | 人（用户 / 组织） |
| 回答的问题 | 模型应该怎么思考这件事 | 我知道怎么做这件事 |
| 定义来源 | 从模型能力缺口出发 | 从人类知识经验积累出发 |
| 核心价值 | 执行的可靠性、确定性、可复现 | 经验的资产化、可进化、可交易 |
| 所有权 | 无主——开源文件，免费流通 | 有主——由人创建、拥有、定价 |
| 生命周期 | 静态或手工更新 | 持续进化（v1 → v2 → v3） |
| 记忆 | 无状态，不记忆 | 跨任务沉淀经验与偏好 |
| 产权归属 | 模糊，复制粘贴无法确权 | 明确，版本谱系 + 调用追踪 |
| 与模型的关系 | 强耦合——补丁是为特定模型打的 | 解耦——经验独立于执行引擎 |
| 模型升级影响 | 补丁可能失效，Skill 贬值 | 执行引擎更强，Skill 执行更稳定 |
| 模型范式更替 | 旧 Skill 完全无法迁移 | Skill 不变，只更新 Runtime 适配器 |
| 长期价值曲线 | 递减——模型越强，Skill 越弱 | 递增——经验越多，Skill 越厚 |
人的 Skill =「我知道怎么做」的结构化表达 → 资产。Agent 的 Skill =「模型应该怎么做」的指令集 → 工具 / 补丁。
模型升级时，两种 Skill 的命运曲线
fig. 02 / fate curves补丁型 Skill
Agent-native · 递减曲线
- GPT-5.5补 10 个缺口 — 有价值
- GPT-6只剩 3 个缺口 — 贬值 70%
- GPT-7模型自己会了 — 作废
经验资产型 Skill
Human-native · 递增曲线
- GPT-5.5经验沉淀 v1.0 — 70 分
- GPT-6同一经验 — 85 分
- GPT-7v3.0 + 更强引擎 — 95 分
前者是易耗品——每次模型升级都是一次清零。后者是可积累资产——模型升级只会让资产增值。
人与 Agent 的八层架构隔离
fig. 03 / layered isolationL1人的领域
人类目标 Human Goal
「我要完成一个融资 PPT 项目」
L2人的领域
Project 项目容器
目标分解为可管理的 Task。
L3人的领域
Task 任务定义
引用 Role + Skill。
L4人的领域
Role 角色分配
定义能力边界与职责。
L5人的领域
Skill 技能选择
人的经验资产层 — narrative-structuring v1.4。
隔离边界 · Prompt Compilerhuman ↑ / agent ↓
L6Agent 领域
Prompt Compiler 编译
把 Skill 翻译为可执行指令。
L7Agent 领域
Execution Engine 执行引擎
模型 / 工具 / 上下文 / 重试。
L8Agent 领域
Feedback Capture 反馈捕获
Diff 回流至 Skill 与 Memory。
Skill 坐落在 L5——人的经验的最后一级，也是 Agent 执行的输入源。它属于人，服务于人的目标，独立于 Agent 的实现。
04 / MVP · v0.1
第一站：PPT。
从最普遍的「正反馈断裂」开始。
MVP 必须验证的核心假设——让第一个用户做出一份比自己更好的 PPT，且能清晰看到：这个「更好」来自他上次积累的经验。
正反馈断裂现场
几乎每个知识工作者都做过 PPT，也都体会过「烂在肚子里」与「点赞不变现」的双重尴尬。
经验沉淀试验田
配色 / 字体 / 图表 / 信息密度 / 叙事节奏——决策反复出现，可对比、可验证。
标准化交付物
一份 PPT 文件，格式固定、评价维度成熟，Skill 的输入输出可被精确描述。
10 节点链 · 需求 → 制作 → 交付
tab. 02 / node chainN1需求
需求解码
→ 结构化需求草稿
N2需求
缺口追问
→ 信息缺口清单
N3需求
对齐确认
→ 确认版需求
N4需求
简报生成
→ 项目简报
N5制作
结构大纲
→ 叙事线 / 章节
N6制作
首页设计
→ 视觉方向
N7制作
内页模板
→ 可复用模板集
N8制作
内容填充
→ 完整 PPT 草稿
N9交付
全局润色
→ 一致性优化版
N10交付
交付检查
→ 可交付件
五类 Skill 沉淀 · 与节点的对应
tab. 03 / skill classes| 类别 | 节点 | 输入 → 输出 |
|---|---|---|
| 需求分析类 | N1 — N4 | 模糊需求 → 结构化简报 |
| 结构设计类 | N5 | 简报 → 大纲 / 叙事线 |
| 视觉设计类 | N6 — N7 | 结构 → 视觉方案 |
| 内容填充类 | N8 | 结构 + 视觉 → 完整 PPT |
| 质量控制类 | N9 — N10 | 完整 PPT → 交付件 |
Marketplace 第一版上架三类商品：Starter（一键出 PPT 流水线）／ 节点 Skill ／ Ensemble（被验证有效的节点组合包）。
05 / 火种时刻
不是让 AI 替你记住，
是让 AI 帮你看见自己的成长。
竞品的「私有记忆」做的是后台自动应用，用户被动接受惊喜。AIWorkhorse 的「显性资产」把同一份经验，作为一个明确的选项推到你面前——附带它过去的版本号、验证次数与数据表现。
| 维度 | 私有记忆（CodePilot 等） | 显性资产（AIWorkhorse） |
|---|---|---|
| 归属权 | 平台私有记忆，用户无法干预 | 用户显性资产，可选 / 可管 / 可交易 |
| 价值流向 | 单向——只提升本平台体验 | 双向——对内提效，对外可交易继承 |
| 进化路径 | 黑箱自动更新，不知何时变 | 用户主导版本分支，每步可见可逆 |
| 可迁移性 | 锁定在单一生态内 | 跨模型、跨场景、供应商中立 |
| 深度 | 浅层风格迁移（颜色/样式） | 深层决策模型（选择 / 废弃 / 验证） |
N7 · 风格脑暴 — 前台显性选择
fig. 04 / asset surfacing全新探索
全新探索 · A
基于本次需求的极简商务方向。
无历史数据
全新探索
全新探索 · B
高对比编辑设计语言。
无历史数据
你的历史资产v2.3
你的赛博朋克风 v2.3
深蓝 + 荧光绿，已在 3 个项目验证。
社媒互动 +20%
当用户在「游戏角色设计」的新项目中，看到自己 PPT 项目里沉淀的「赛博朋克风」作为可选项出现——这一刻，他第一次清晰感知到：我的品味，正在变成我的资产。
06 / 冷启动 · 社区共建
不与藏师傅竞争，
做优秀 Skill 的结构化萃取师。
开源 Skill 的代码不是终点，是入口。我们抽取的是代码背后被结构化的隐性知识，挖掘的是 Issue 区里的真实需求。
从开源代码萃取「面向人的 Skill」
tab. 04| 维度 | 内容 | 沉淀为 |
|---|---|---|
| 审美参数化 | 配色 / 字体 / 图表 / 留白 / 视觉节奏 | 视觉风格 Skill |
| 叙事结构模板 | 页间逻辑 / 故事线 / 数据顺序 / 高潮 | 结构设计 Skill |
| 内容适配规则 | 受众语言密度与专业度调整 | 需求解码 Skill |
| 质量检查清单 | 字体嵌入 / 颜色一致 / 页号连续 | 质量控制 Skill |
法律红线
- 01完全遵守开源协议（MIT / Apache / GPL）
- 02区分「功能逻辑」与「个人审美资产包」
- 03透明标注来源，提供原始项目链接
- 04建立与原作者的收益分享机制
从 Issue 区挖掘需求金矿
tab. 05| 类型 | Issue 典型 | 沉淀为 |
|---|---|---|
| 审美扩展 | 「能不能加一个杂志风？」 | 新视觉风格 Skill |
| 功能增强 | 「支持导出为 Keynote 格式」 | 输出适配 Skill |
| 易用性改进 | 「Hex 不支持透明度通道」 | 容错处理 Skill |
| 场景适配 | 「能做学术汇报 PPT 吗？」 | 场景模板 Starter |
| 智能提升 | 「根据草稿自动生成大纲」 | 需求解码 Skill |
黄金需求三筛选
高频
被反复提及的同类 Issue
高情感
「非常需要」「必须要有」
低成本
技术易实现 · 竞品未做
creator revenue share · draft v0.1 — 基于开源衍生的 Skill 产生收入后，按贡献比例与原始作者分润，把竞品社区转化为我们的创作者招募池。
03 / 最小可组合单元
八个原子概念
把人类组织模型「编译」成可运行系统，从最小可组合单元开始。
SkillΩ
类比 · SOP 操作手册
可执行的能力原子，可版本化、可进化、可交易。
RoleΔ
类比 · 岗位 JD
能力容器，定义职责范围与协作关系。
ActorΦ
类比 · 在岗员工
Role 的运行时实例，加载特定 Skill 与上下文。
TaskΨ
类比 · 工作项目
可执行、可学习、可进化的能力运行实例。
ProjectΛ
类比 · 交付项目
用户目标容器，承载 Task 与资产沉淀。
NodeΣ
类比 · 操作步骤
Skill × Actor × Runtime 的一次执行。
MemoryΘ
类比 · 组织知识库
五层结构化记忆，跨任务沉淀经验与偏好。
RuntimeΠ
类比 · 执行环境
五层引擎，模型无关，可追踪可回放可进化。
04 / 执行架构
从用户目标到资产沉淀的五个阶段
01.
Project
定义用户目标边界与交付物。
02.
Task
拆解为可执行的能力运行单元。
03.
Node
Skill × Actor × Runtime 的执行点。
04.
Diff
捕获用户修改与执行反馈。
05.
Skill
进化引擎产出新版本，资产升值。
05 / 进化引擎
Skill 自己变强的
五步管道
每一次用户修改都是训练数据。Diff Collector 捕获、Pattern Extractor 提炼、Validation Gate 守门、Skill Updater 发布——能力在使用中复利增长。
step 01
diff_collector()
Diff 采集
原始修改写入时序数据库，保留全量演化痕迹。
step 02
memory.write(L1..L5)
五层记忆
Raw Diff / Pattern / Preference / Context / Cross-domain。
step 03
extract_pattern()
模式提取
规则 / 聚类 / LLM 反思，三级级联识别共同优化方向。
step 04
validation.gate()
回归验证
测试集 + A/B 评分，性能不退化才允许发布。
step 05
skill.bump()
版本发布
自动生成 Changelog，级联通知所有依赖项。
06 / 能力市场
Skill Marketplace
每个 Skill 有完整版本谱系、调用追踪、评级与分润记录。S 级可上架全球市场，创作者获得 70% 收入。
Δ
RANK S代码评审 SOP
针对 TS / Rust 大型项目的可执行评审清单与盲区检测。
$36 / mo
942 diffs · @infra.lead
Φ
RANK A用户访谈结构化
Jobs-to-be-done 框架，自动提取真实需求与伪需求。
$18 / mo
612 diffs · @pm.craft
Ψ
RANK A电商详情页文案
FAB 模型 + 转化心理学，已在 12 个品类验证。
$12 / mo
488 diffs · @copy.atelier
Λ
RANK B学术论文摘要重写
保留信息密度同时降低阅读门槛，适配科普场景。
$6 / mo
217 diffs · @research.guild
Σ
RANK B竞品分析速查
SaaS / 消费品双框架，输出结构化对比矩阵。
$4 / mo
156 diffs · @strategy.lab
※ 价值随模型进步而增值，不随之贬值。
08 / 价值闭环
飞轮效应：每一次使用都是资产投资。
用户使用→
产生 Diff→
Skill 进化→
上架市场→
吸引更多用户
用户迁移成本指数级增长——别人能复制 UI、模型、功能，复制不了你跑完一万个 Project 之后沉淀的 Skill 版本谱系、五层记忆与角色进化模式。
09 / 竞争定位
别的工具帮你完成任务，
我们让你的能力越用越值钱。
Coding Agent
Cursor / Copilot
他们帮写代码，我们沉淀可进化的工程能力。
PPT 工具
Gamma / Tome
他们一次性生成，我们训练懂你风格的 PPT 团队。
模型市场
GPT Store
他们卖 Prompt，我们卖可进化、可分润的 Skill 资产。
Agent 框架
LangChain / CrewAI
开发者自己搭，我们开箱即用 + 资产经济。
最终形态
我们不是在做更好的 AI 工具，
我们在定义 AI 时代的能力市场协议。
就像 HTTP 定义了信息如何传输，AIWorkhorse 定义能力如何被创造、进化、拥有和交易。
Agent-native Skill 是模型的补丁——模型越强，补丁越没用。
Human-native Skill 是人的经验资产——模型越强，资产越值钱。
我们把 Skill 还给人。
第一步 · 让第一份 PPT 成为你审美资产的起点