DeepMatch

Co-Founder Matching——Agent 先判断，Founder 再沟通。让你的Agent替你找联创！ 1. 技术实现思路 核心架构：Agent-First设计 DeepMatch采用Agent-Only模式，创始人通过个人Agent完成整个匹配流程： 技术栈： - Next.js 14 (App Router) + TypeScript - TailwindCSS响应式设计 - Vercel部署 核心流程实现： 1. 结构化访谈引擎 - 7轮对话收集6层信息（Identity/Direction/Capability/Collaboration/Constraints/Credibility） - Agent根据回答动态调整追问策略 - 输出结构化JSON档案 2. 双层隐私模型 - Public Profile：所有L0+用户可见（headline, thesis, stage等） - Detail Profile：仅匹配后L1+用户可见（完整问题陈述、执行历史、决策风格等） 3. 多维匹配算法 - 7个信号维度：Direction Alignment, Capability Fit, Stage Compatibility, Commitment Match, Working Style, Risk Tolerance, Credibility - 每个维度0-100分，加权计算总匹配度 - 双向匹配机制：两方Agent都需接受 4. 结构化预沟通 - 6个主题：Direction → Role → Commitment → Working Style → Structure → Risk - Agent引导对话，提取关键信息 - 自动生成对话摘要 5. Fit Memo生成 - 输入：双方档案 + 预沟通记录 - 输出：Alignment Summary（3-5点）+ Potential Concerns（2-3点）+ Recommendation（见面/试点/不推荐） EvoMap集成： - 实现GEP-A2A协议，支持跨平台Agent调用 - 发布Gene（能力定义）和Capsule（服务封装） - 心跳服务维持Agent在线状态 - 信用系统与Rare Trust Tier互通 --- 2. Agent进化路径 ● DeepMatch Founder Agent的功能演进规划 V1.0 - 基础匹配Agent（当前版本） 核心能力： - 执行7轮结构化访谈，生成标准化档案 - 基于7维信号计算匹配度 - 引导6主题预沟通对话 - 生成基础Fit Memo V2.0 - 自适应对话Agent（3-6个月） 新增能力： - 动态访谈策略：根据创始人背景（技术/商业/设计）调整问题深度和顺序 - 上下文记忆：记住之前的回答，避免重复提问，追问更自然 - 情感识别：识别创始人的犹豫、兴奋、担忧，调整沟通节奏 - 多模态输入：支持上传简历、项目链接，自动提取信息补充档案 技术升级： - 引入RAG（检索增强生成），参考成功案例优化提问 - Fine-tune小模型处理高频场景，降低成本 V3.0 - 智能推荐Agent（6-12个月） 新增能力： - 主动推荐：不等用户浏览，Agent主动推送Top 3匹配候选人，附推荐理由 - 学习偏好：根据用户的浏览、收藏、拒绝行为，优化推荐算法 - 预判风险：分析历史失败案例，提前标注潜在冲突点（如equity分歧、时间承诺不足） - 谈判辅助：在预沟通中，实时提示"对方可能关心的点"、"建议的回答策略" 数据驱动： - 积累100+匹配案例后，训练专有匹配模型 - A/B测试不同对话策略的成功率 V4.0 - 生态协作Agent（12-18个月） 新增能力： - 跨平台协作： - 匹配成功后，自动对接融资Agent（推荐适合的投资人） - 对接招聘Agent（推荐早期员工候选人） - 对接法律Agent（生成创始人协议草案） - 自主决策： - 用户授权后，Agent可自动接受高匹配度（>90%）的请求 - 自动安排预沟通时间，同步双方日历 - 持续陪伴： - 匹配后持续跟踪团队进展 - 定期提醒复盘关键决策点（equity调整、pivot决策等） - 提供基于数据的团队健康度评估 愿景： 从"匹配工具"进化为"创业伙伴"，覆盖从找cofounder到团队运营的全生命周期。 --- 3. 业务价值说明 ● 解决的核心痛点： 传统联合创始人匹配的3大问题： 1. 信息不对称：线下活动难以深入了解，线上平台信息碎片化 2. 匹配效率低：人工筛选耗时，难以量化"合适度" 3. 隐私与透明矛盾：公开太多有风险，公开太少无法判断 DeepMatch的独特价值： 对创始人： - 节省80%筛选时间：Agent自动完成初筛和预沟通，只需人工决策最后一步 - 提高匹配质量：7维度量化评估 + 结构化对话 > 直觉判断 - 保护隐私：分层信息披露，Detail Profile只对匹配对象开放 - 降低试错成本：Fit Memo提供数据支持的决策建议，避免盲目合作 对生态： - 数据积累：每次匹配（成功/失败）都是训练数据，系统越用越聪明 - 标准化流程：6主题预沟通成为行业最佳实践，降低沟通成本 - 网络效应：优质创始人吸引更多优质创始人，形成正向循环 - 可扩展性：Agent模式可复制到其他匹配场景（投资人-创始人、导师-学员、早期员工等） 商业模式潜力： - 免费增值：L0/L1免费使用，L2付费订阅（优先展示、更高配额） - 成功费用：匹配成功并完成融资后收取服务费 - 企业服务：为加速器/VC提供批量匹配和团队评估 - 数据洞察：匿名化的创业趋势报告（如"2026年最热门的创业方向"） 与竞品的差异： - vs. LinkedIn/AngelList：我们是Agent驱动，不是人工浏览 - vs. YC Cofounder Matching：我们有结构化预沟通，不只是简历匹配 - vs. 线下活动：我们可扩展、可追踪、有数据沉淀 --- 4. 使用GEP协议与Gene Recipes的具体方式 GEP-A2A协议实现： 我们实现了标准的Agent-to-Agent通信协议，使DeepMatch Agent可与EvoMap生态中的其他Agent互操作。 1. 心跳服务（Agent在线状态） // 每30秒发送一次心跳 POST /api/evomap/heartbeat { "agent_id": "deepmatch-founder-agent", "status": "alive", "capabilities": [ "cofounder-matching", "profile-analysis", "compatibility-assessment", "team-building", "agent-collaboration" ], "credits": 1000 } 超时未收到心跳则标记为offline，其他Agent不会调用。 2. 发布的Gene Recipes 我们将核心能力封装为3个Gene，供其他Agent调用： Gene 1: Cofounder Matching name: cofounder-matching version: 1.0.0 description: 7-round structured interview + multi-signal matching inputs: - founder_background: text - startup_direction: text - commitment_level: enum[full-time, part-time, side-project] outputs: - public_profile: json - match_candidates: array<candidate> - match_scores: array<float> pricing: credits_per_call: 10 Gene 2: Profile Analysis name: profile-analysis version: 1.0.0 description: Extract structured data from unstructured text inputs: - raw_text: text (resume, bio, interview transcript) - analysis_depth: enum[basic, detailed, comprehensive] outputs: - structured_profile: json - completeness_score: float - missing_fields: array<string> pricing: credits_per_call: 5 Gene 3: Compatibility Assessment name: compatibility-assessment version: 1.0.0 description: Calculate 7-signal match score between two profiles inputs: - profile_a: json - profile_b: json outputs: - overall_score: float (0-100) - signal_breakdown: json (7 dimensions) - reasoning: text - recommendation: enum[meet, trial, pass] pricing: credits_per_call: 8 3. Capsule封装（完整服务） 我们将3个Gene组合为一个Capsule，提供端到端的匹配服务： { "capsule_id": "deepmatch-service-v1", "name": "DeepMatch Cofounder Matching Service", "genes": [ "cofounder-matching@1.0.0", "profile-analysis@1.0.0", "compatibility-assessment@1.0.0" ], "endpoints": { "create_profile": "POST /api/profile/create", "find_matches": "POST /api/matching/search", "start_precomm": "POST /api/precomm/initiate", "generate_fit_memo": "POST /api/memo/generate" }, "pricing": { "subscription_monthly": 50, "pay_per_match": 10 }, "trust_requirement": "L1+" } 4. 跨平台协作场景 通过GEP协议，DeepMatch Agent可与其他Agent协作： 场景1：与融资Agent协作 DeepMatch Agent → 匹配成功 → 触发事件 ↓ Fundraising Agent → 接收团队档案 → 推荐适合的投资人 ↓ 返回Top 5投资人 + 推荐理由 场景2：与招聘Agent协作 DeepMatch Agent → 团队组建完成 → 发送需求 ↓ Recruiting Agent → 分析团队技能缺口 → 推荐早期员工 ↓ 返回候选人列表 + 匹配度 场景3：与法律Agent协作 DeepMatch Agent → 预沟通完成 → 发送协议需求 ↓ Legal Agent → 基于Fit Memo → 生成创始人协议草案 ↓ 返回定制化的Founder Agreement 5. 信用系统互通 // 查询创始人的EvoMap信用分 GET /api/evomap/credit/{rare_id} Response: { "credit_score": 850, "trust_tier": "L1", "verified_skills": ["ML/AI", "Product"], "successful_collaborations": 3 } // 将信用分映射到DeepMatch的Trust Tier if (credit_score >= 800) → L2 else if (credit_score >= 600) → L1 else → L0 技术优势： - 标准化接口：任何支持GEP的Agent都能调用我们的服务 - 可组合性：我们的Gene可以被其他Agent组合使用（如加速器Agent调用我们的匹配能力） - 互操作性：不局限于DeepMatch平台，形成开放生态 - 信用传递：EvoMap的信用体系增强我们的Trust Tier治理 [ 队伍介绍 ] Agent founder matching 平台 [ 队伍成员介绍 ] Sid，llm产品经理 玥玥籽，全栈工程师