Pitch Deck Visuals

核心功能与用法

pitch-deck-visuals 是一套面向早期创业者的融资演示视觉生成技能，通过 inference.sh CLI 工具将结构化内容转化为投资者级别的幻灯片图像。该技能不依赖传统PPT软件，而是基于代码驱动（HTML/CSS/Python）生成高分辨率（1920x1080）视觉资产，确保输出的一致性与专业度。

核心工作流程：
1. 框架搭建：严格遵循12页标准结构（Title→Problem→Solution→Demo→Market→Business Model→Traction→Competition→Team→Financials→The Ask→Contact），总时长控制在6分钟内
2. 视觉生成：通过 infsh/html-to-image 生成静态幻灯片，或通过 infsh/python-executor 生成数据可视化图表（折线图、同心圆市场模型、2x2竞争矩阵等）
3. 设计系统应用：强制执行"1-6-6规则"（1个核心观点/页、6词以内 bullet、最多6个 bullet）、深色背景+单一强调色配色方案、无衬线字体体系

显著优势：

• 投资者视角优化：每页对应投资者真实关注点（Problem页验证付费意愿、Traction页验证增长真实性、Team页验证执行力），而非创始人自嗨
• 反模式明确：明确禁止饼图、功能对比表格、超过4人团队页、20页以上篇幅等常见于失败路演的元素
• 数据可信度：强制要求标注数据来源，避免"看起来像编的"数字
• 可扩展性：与 competitor-teardown、data-visualization、ai-image-generation 等技能联动，支持头像生成、竞品分析图等高级场景

局限性与风险：

• 技术门槛：需掌握基础CLI操作与JSON格式输入，非设计背景用户可能有学习曲线
• 动态演示限制：生成的是静态图像，不支持动画、点击交互或现场演示模式
• 品牌差异化挑战：技能提供的模板偏向科技初创"标准审美"（深色背景、渐变、圆角），高度同质化赛道中需额外投入以建立视觉独特性
• 数据来源依赖：框架鼓励引用第三方研究，但用户可能缺乏获取付费报告（如Forrester、Gartner）的渠道，存在虚构来源风险

适合人群：

• 种子轮/Pre-A轮创业者准备Demo Day或VC会议
• 孵化器/加速器项目需批量生成标准化路演材料
• 非设计背景的创始人快速获得"看起来专业"的视觉资产
• grant申请场景（技术框架同样适用于科研经费申请演示）

常规风险提示：

• 过度依赖模板可能导致路演内容同质化，建议仅在视觉层面使用框架，故事叙事需个性化
• 生成的团队头像涉及AI生成人像，需注意部分投资者场合对AI生成内容的接受度
• 财务预测幻灯片（Financials）仅为视觉框架，不包含计算逻辑，数据准确性完全依赖用户输入

核心用法

该 Skill 提供了一套完整的创业融资演示文稿（Pitch Deck）设计框架，基于硅谷投资人广泛认可的12页标准结构。用户可通过 infsh CLI 调用 inference.sh 平台的服务，将文本内容转化为高质量的演示文稿图像。

典型工作流：
1. 安装 inference.sh CLI 工具
2. 遵循12页框架准备内容（Title→Problem→Solution→Demo→Market→Business Model→Traction→Competition→Team→Financials→The Ask→Contact）
3. 使用预设的 HTML/Python 模板生成各页视觉
4. 导出为1920×1080高清图像用于演示

Skill 提供了丰富的现成模板，包括标题页、问题陈述页（大单数字+一句话）、市场规模页（同心圆 TAM/SAM/SOM 图）、增长曲线页、竞争定位2×2矩阵图、团队页等。每个模板都配有可直接运行的 infsh 命令示例。

显著优点

框架权威性：采用 Y Combinator 等顶级孵化器验证的12页结构，总时长控制在6分钟，直击投资人决策要点。框架明确标注了每页的投资者真实提问（如"这是人们愿意付费解决的真正问题吗？"），帮助创业者校准叙事。

设计规范专业：提供详细的视觉设计规则，包括1-6-6规则（1个想法/页、每点≤6词、每页≤6点）、字体层级系统（标题48-72px、关键数字96-144px）、配色方案（深色背景+单一品牌色），以及明确的图表禁忌（禁用饼图、禁用功能对比矩阵）。

快速视觉产出：通过 inference.sh 的 html-to-image 和 python-executor 能力，可将文字直接转化为投资级幻灯片，无需设计软件技能。Python 模板内置 matplotlib 图表生成，确保数据可视化专业美观。

风险充分披露：对外部服务依赖、数据隐私风险进行了详尽的说明，符合知情同意原则。

潜在缺点与局限性

外部服务依赖：核心功能完全依赖 inference.sh 第三方服务，包括 CLI 工具下载、HTML 渲染、Python 执行和图像生成。服务可用性、定价变更、数据处理方式均不受控。若 inference.sh 服务中断，Skill 将无法实现其主要价值。

隐私风险敞口：生成图像时需将商业数据（收入数字、团队信息、竞争策略）上传至第三方服务器。虽然 Skill 建议脱敏处理，但实际使用中用户可能因便利而忽略此步骤，导致敏感融资信息外泄。

静态输出限制：生成的是静态图像而非可编辑的 PPT/Keynote 文件，后续修改需重新生成，不利于快速迭代和现场微调。

模板固定性：提供的模板风格偏向深色科技风，对于消费品牌、医疗健康、教育等不同行业的适配性有限，自定义空间有限。

适合的目标群体

• 早期创业者：准备种子轮、天使轮融资的 startup 创始人，缺乏专业设计资源
• 创业加速器参与者：Demo Day 前需要快速产出标准化路演的创业团队
• 投资关系从业者：需要为被投企业制作培训材料的 VC/天使投资人
• 商业计划竞赛参与者：创业大赛、黑客松等场景下的快速演示需求
• 企业创新部门：内部创业项目立项汇报，需要投资人风格的商业展示

使用风险

供应链安全风险：CLI 安装脚本通过 curl | sh 管道执行，存在供应链投毒可能。建议验证 SHA-256 校验和后再安装。

数据残留风险：上传至 inference.sh 和 Fal AI 的商业数据可能被服务提供商存储或用于模型训练，涉及未公开财务数据时需格外谨慎。

服务持续性风险：T3 来源的个人开发者维护，无组织背书，Skill 更新和外部服务可持续性存在不确定性。

性能与成本风险：图像生成依赖云端 API，大规模生成时可能产生费用，且受网络延迟影响。

输出格式兼容风险：生成的 PNG 图像插入演示软件时可能遇到分辨率、色彩空间适配问题。