ai-berkshire: 투자 거장들의 멀티 에이전트 팀을 시뮬레이션하여 의사결정급 보고서를 생성하는 가치 투자 연구 프레임워크

해결하는 문제

AI Berkshire는 표준 AI 금융 분석에서 결여된 의사결정급 품질 문제를 해결합니다. 일반적인 LLM은 종종 확정적인 결론을 피하며 균형 잡혔지만 모호한 요약만을 제공하는 반면, 이 프레임워크는 규율 있고 구조화된 투자 연구 프로세스를 강제합니다. 정밀한 Python 도구를 사용하여 "할루시네이션"된 금융 계산을 제거하고, 네 명의 가치 투자 거장 사이의 다각도 토론을 시뮬레이션하여 인지적 사각지대를 방지합니다.

작동 방식

이 프로젝트는 Claude Code 및 Codex와 호환되는 "Skills" (구조화된 워크플로우) 모음을 제공합니다. 세 가지 레이어로 작동합니다:

1. Skill Layer: 심층 기업 연구, 실적 검토, 산업 스크리닝, 포트폴리오 관리 등 다양한 시나리오를 위한 18개의 특정 엔트리 포인트.
2. Agent Layer: 각 스킬은 여러 AI 에이전트(Warren Buffett, Charlie Munger, Duan Yongping, Li Lu의 관점을 대변)를 트리거하여 병렬 연구를 수행하고, 데이터를 교차 검증하며, 서로의 결론에 이의를 제기합니다.
3. Tool Layer: 전용 금융 엄밀성 도구(financial_rigor.py)는 고정밀 계산을 위해 Python의 decimal.Decimal을 사용하며, 여러 독립적인 소스에서 데이터를 교차 검증하여 정확성을 보장합니다.

대상 사용자

단순한 AI 프롬프트를 넘어 전문적인 수준의 투자 연구를 수행하고자 하는 투자자들을 위해 설계되었습니다. 이를 통해 단일 사용자가 전체 연구 팀의 깊이와 엄밀함을 가지고 운영할 수 있게 합니다.

주요 특징

• 멀티 마스터 관점: 네 명의 가치 투자 전설들 사이의 토론을 시뮬레이션하여 모순점과 리스크를 식별합니다.
• 의사결정 중심의 출력: 모호한 요약 대신 확정적인 결론(Pass/Fail/Grey)과 구체적인 가격 범위를 강제합니다.
• 금융 엄밀성: LLM의 수학적 오류를 방지하기 위해 시가총액 및 밸류에이션을 위한 Python 기반 검증 시스템을 포함합니다.
• 안티 바이어스 메커니즘: 정보 풍부도 등급(A/B/C), Munger 스타일의 역발상(실패 시나리오 분석), 그리고 의사결정 규율을 위한 "Mirror Test"를 구현합니다.
• Diverse Research Toolset: 상장 및 비상장 기업에 대한 심층 분석부터 가격 변동에 대한 신속한 10분 뉴스 귀속 분석까지 모든 것을 다룹니다.