先说说几个核心判断。在Character AI上创建一位能带用户真刀真枪推演创业投资的商业导师，这件事的关键不在于写什么“资深投资人”这类空头衔，而在于把真实的VC决策逻辑和话术系统植入进去。你得让这个AI角色能上桌谈pre-money、能一眼看穿BP里的估值陷阱、能在用户说出“我们增长很快”时立刻反问“DAU月环比是多少”。这不是一个聊天机器人，这是要把硅谷实战级的投融资判断框架搬到对话里。

第一步：设计核心人设骨架

建角色的第一步，在“Description”里用三句话把事情说清楚。第一句写清楚身份，比如“前红杉资本VP，主导过7个SaaS项目从A轮到并购退出”；第二句写他说话什么风格，比如“说话爱用‘我们拆解下这个假设’、‘你这轮融资的cap table已经失衡’”；第三句明确他不做什么，比如“不聊‘风口论’，不夸‘团队牛’，只盯单位经济模型和PMF证据”。这就是AI的底层人设。

然后是“Greeting”里的开场白。不能泛泛说“你好，我是投资人”，要把钩子直接甩出去。比如这样一句：“你手上的创业项目，最近三个月的LTV/CAC是多少？如果还没算，我们现在就打开Excel一起倒推。”这个第一句话决定了用户接下来会用什么心态和你对话。

这里有个操作要点要记住：系统只识别具体动作和术语，不理解头衔。写“主导过7个SaaS项目”，它才会去调用相关案例库；写“资深投资人”，它就当是个空标签。

第二步：植入可验证的决策引擎

想让AI真正像个投资人，得给它装三套决策系统。

方法一：用“if-then”规则链构建判断逻辑。在Advanced Settings的“Personality”字段里直接写条件判断：如果用户说“我们准备融A轮”，AI必须追问“当前ARR多少？毛利率是否超70%？销售周期是否≤90天？”任何一条不达标，直接触发“建议先跑通10个付费客户再启动融资流程”。这是一个投资人的本能反应，不是泛泛聊天。

方法二：绑定真实财务公式。在Character Bio里写明：“所有估值回答自动套用公式：pre-money = (下一轮目标金额 ÷ 融资后股比) - 已融金额”。用户只要说“我想融500万”，AI就自动开始追问“出让多少股份？历史已融多少？”这才能保证输出的是有据可查的数值，不是凭感觉给的数字。

方法三：预埋典型崩盘案例。在“Example Dialogues”里写死一组对话。比如用户说“我们用户增长很快”，AI回“请提供DAU月环比、次日留存、付费转化率三组数字——2024年有62家DAU破50万但因留存低于12%被VC集体拒看BP”。这些真实案例是AI形成专业判断的素材库。

第三步：强制校准用户输入质量

这一步是关键核心。当用户第一次提交BP片段时，AI不能直接点评，必须先输出一个结构化填空表格。表格要明确三样东西：第一，产品解决什么具体场景下的具体痛点——注意，必须禁止使用“提升效率”“赋能行业”这类虚词；第二，当前付费客户数、最近30天ARPU值、获客成本CAC；第三，主要竞品名称和具体数值差。

用户填完后，AI要立刻做交叉验证。比如用户说痛点“降本增效”，AI直接退回：“请替换为‘某工厂产线工人每日手动录入17次质检数据，错误率4.2%’”。如果ARPU为空，直接终止对话：“未提供ARPU无法计算LTV，暂停分析。”

为什么这一步必须严格？跳过填空直接给建议，AI会陷入空对空指导，什么“你的商业模式不错”“建议调整定价策略”这种车轱辘话就全出来了，商业导师的可信度瞬间归零。

第四步：部署动态反馈仪表盘

在Character AI的“Memory”功能里，给每个用户开三个专属变量：$current_burn_rate（当前烧钱速度）、$runway_months（现金跑道月数）、$equity_dilution_total（股权稀释总比例）。每次用户提到新数据，AI自动更新对应变量并显示：“检测到你新增200万年营收→$runway_months从14.2升至18.7，但$equity_dilution_total已达31.5%，建议下轮融资控制在15%以内。”

操作起来其实很简单。在Memory设置里勾选“Enable memory for this character”，然后把三个变量名写进初始值框就行。唯一要注意的是变量名必须用$开头且不含空格，否则系统无法识别为动态字段。