AI Berkshire - 开源琅嬛阁

返回开源琅嬛阁

xbtlin/ai-berkshire

AI 时代的伯克希尔：基于 Claude Code / Codex 的价值投资研究框架。巴菲特·芒格·段永平·李录四大师方法论 + 多Agent并行研究。| AI-era Berkshire: a value investing research framework built for Claude Code / Codex. 4 masters' methodologies + multi-agent adversarial analysis.

👥 1

20

8,592

⑂ 1.1k

github.com · xbtlin/ai-berkshire

AI 编程Agent工作流

官方主页 / 文档 在 GitHub 查看

项目介绍

AI Berkshire 是一套同时兼容 Claude Code 与 Codex 的价值投资研究 Skill 合集。它将巴菲特、芒格、段永平、李录四位大师的方法论系统化，通过多 Agent 并行与结构化流程，把「直接问 AI 得到两面讨好的分析」升级为「可以拿来做决策的投研报告」。仓库提供 18 个按场景划分的 Skill 入口，覆盖深度研究、财报精读、行业筛选、持仓管理与思维工具，并附带 Python 财务校验脚本保证数据精确性。

核心特性

• 四大师对抗式分析：商业模式（段永平）、财务估值（巴菲特）、逆向思考（芒格）、长期确定性（李录）四视角并行，强制输出通过/不通过/灰色地带结论，而非「一方面…另一方面…」
• 18 个 Skill 入口：/investment-team 多 Agent 并行投研、/earnings-review 一手财报精读、/industry-funnel 行业漏斗筛选、/portfolio-review 组合管理等，按场景即插即用
• 结构化反偏见机制：信息丰富度 A/B/C 评级、芒格式逆向检验、8 条快速否决红线、反共识检查与留白原则，降低 AI「看起来对但经不起推敲」的风险
• 金融数据精确校验：关键指标用 Python decimal.Decimal 计算，至少 2 个独立来源交叉验证；tools/financial_rigor.py 可手算校验市值等关键数据
• 可复现的研究流程：同样输入产出结构一致、深度一致的报告，支持多公司横向对比与同标的定期复评
• 双客户端支持：同一套 canonical workflow，分别提供 Claude Code commands 与 Codex skills / slash prompts 安装脚本

对用户价值

直接问 LLM 做投研，往往得到格式随机、结论模糊、数据可能算错的「平衡分析」。AI Berkshire 解决的是分析质量与决策纪律问题：强制分层建议与价格区间、四视角制造真实张力、内置防骗机制，并用 Python 工具兜底数值精度。对个人投资者，它相当于「一个人 + Claude Code = 一个投研团队」；对分析师，它提供可版本化、可复现的研究模板，让团队成员之间的输出可以对齐。

与替代方案

• 相比直接向 ChatGPT / Claude 提问，本框架强制结构化结论、多视角对抗与反偏见机制，避免「看起来对但无法决策」的泛化分析。
• 相比 OpenBB 等金融数据终端 / SDK，AI Berkshire 侧重价值投资方法论 + Agent 工作流，而非行情数据聚合或量化回测平台。
• 相比通用 Superpowers 等研发方法论 Skill 库，这里 18 个入口全部围绕基本面投研场景定制，含财报、行业漏斗、持仓追踪等垂直流程。
• 框架作者公开了实盘业绩截图（2024 +69.29%、2025 +66.38%），但 README 明确历史收益不代表未来；投资决策仍需自行承担风险，Skill 输出是辅助而非投资建议。

适应人群

• 使用 Claude Code 或 Codex，希望把价值投资方法论落地为可重复 Agent 工作流的个人投资者与分析师。
• 需要深度研究、财报精读、行业筛选或持仓管理结构化流程，而非单次 prompt 的投研用户。
• 关注 AI Agent 并行协作、金融数据精确校验，想从成熟 Skill 库快速部署投研能力的效率型用户。

如何使用

前置条件

• 已安装 Claude Code 或 Codex 之一（见下方安装命令）。
• 克隆仓库需 Git 与 Bash 环境；财务校验脚本依赖 Python 3。
• Skills 会频繁调用工具；Claude Code 默认逐次授权，可信环境下可用 claude --dangerously-skip-permissions 跳过确认（会关闭工具审批保护，请谨慎使用）。

安装方式

Claude Code 用户：

npm install -g @anthropic-ai/claude-code
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
./scripts/install-claude-commands.sh

Codex 用户：

# macOS / Linux
curl -fsSL https://chatgpt.com/codex/install.sh | sh
# 或 npm install -g @openai/codex

git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
./scripts/install-codex-skills.sh
# 可选：安装 slash prompts 获得接近 Claude Code 的 /investment-research 体验
./scripts/install-codex-prompts.sh

首次运行

在 Claude Code 中直接调用 Skill，例如：

/investment-research 腾讯
/investment-team 美团
/earnings-review 腾讯 2025Q4
/industry-funnel AI算力

Codex 用户安装后重启，按 skill 名称描述任务，例如「使用 investment-research 研究腾讯」；若安装了 slash prompts，可用 /prompts:investment-research 腾讯。

验证是否成功

• Claude Code：/investment-checklist 茅台, 英伟达, 苹果 应输出结构化 Checklist 表格。
• Codex：codex --version 正常输出版本号，且 ~/.codex/skills 下可见已安装的 skill 目录。
• 财务工具：python3 tools/financial_rigor.py --help 可正常显示子命令。

常见坑 / 注意事项

• Claude Code 工具授权频繁打断流程；仅在信任仓库与环境时使用 --dangerously-skip-permissions。
• Codex 与 Claude Code 的入口语法不同：Codex 以 skill 名称描述任务，slash prompts 为可选兼容层。
• LLM 心算不可靠，涉及 PE、市值等关键数据务必走 financial-data skill 或 financial_rigor.py 校验。
• 实盘业绩为作者个人案例，不构成投资建议；输出结论需结合独立判断与合规要求。
• 部分 Skill（如 /deep-company-series）产出篇幅极长，注意上下文窗口与 API 用量。