ai-berkshire: 전설적인 투자자들을 시뮬레이션하여 의사결정급 연구 보고서를 생성하는 멀티 에이전트 가치 투자 프레임워크

해결하는 문제

AI Berkshire는 표준 AI 생성 투자 분석에서 부족한 의사결정급 품질과 규율을 해결합니다. 일반적인 LLM은 종종 균형 잡혔지만 모호한 "한편으로는... 다른 한편으로는..." 식의 답변을 제공하는 반면, 이 프레임워크는 AI가 실제 투자 의사결정을 내릴 수 있도록 구체적인 결론, 특정 가격 범위, 그리고 엄격한 재무적 검증을 제공하도록 강제합니다.

작동 방식

이 프로젝트는 Claude Code 및 Codex와 호환되는 구조화된 "Skills" (명령어) 모음을 제공합니다. 멀티 에이전트 아키텍처를 채택하여 단일 사용자를 가상 투자 팀으로 변환합니다:

• Multi-Perspective Agents: 네 명의 가치 투자 거장들(Warren Buffett, Charlie Munger, Duan Yongping, Li Lu)을 시뮬레이션하며, 각 에이전트는 서로 다른 관점(예: 비즈니스 본질, 경제적 해자, 역발상적 사고, 장기적 확실성)에서 기업을 분석합니다. 이 에이전트들은 사각지대를 제거하기 위해 서로에게 도전하도록 설계되었습니다.
• Structured Workflows: 사전 정의된 체크리스트와 퍼널(예: "Mirror Test")을 사용하여 다양한 기업에 대해 일관된 깊이와 형식을 보장합니다.
• Financial Rigor Tools: LLM의 계산 오류를 방지하기 위해, decimal.Decimal을 사용하여 정밀한 계산을 수행하고 여러 독립적인 소스에서 데이터를 교차 참조하는 Python 기반 도구(financial_rigor.py)를 사용합니다.
• Layered Design: 기능을 Skill 레이어(19개의 특정 엔트리 포인트), Agent 레이어(거장들의 병렬 스케줄링), 그리고 Tool 레이어(정밀한 계산 및 검색)로 분리합니다.

대상 사용자

전문가 수준의 구조화된 가치 투자 연구를 원하지만 전체 인간 연구 팀을 고용할 필요는 없는 투자자, 그리고 Claude Code나 Codex를 사용하여 재무 분석을 자동화하려는 사람들을 위해 설계되었습니다.

주요 특징

• Decision-Oriented Output: 일반적인 요약 대신 "Pass/Fail/Grey" 결론을 내리도록 강제합니다.
• Multi-Agent Conflict: 네 가지의 뚜렷렷한 투자 철학을 사용하여 긴장감을 조성하고 확증 편향을 피합니다.
• Anti-Bias Mechanisms: 정보 풍부도 등급(A/B/C), Munger 스타일의 역발상 테스트, 그리고 "fast-reject" 레드라인 리스트를 포함합니다.
• Comprehensive Skill Set: 심층 연구, 실적 검토, 산업 스크리닝, 포트폴리오 관리, 뉴스 출처 확인을 아우르는 19개의 전문화된 도구를 제공합니다.
• Financial Precision: 일반적인 LLM 산술 환각을 방지하기 위해 시가총액 및 밸류에이션에 대한 엄격한 검증을 구현합니다.