ai-berkshire: 一个模拟传奇投资者以生成决策级研究报告的多智能体价值投资框架

它解决了什么问题

AI Berkshire 解决了标准 AI 生成的投资分析缺乏决策级质量和纪律的问题。虽然通用 LLM 通常提供平衡但模糊的“一方面……另一方面……”的回答，但该框架强制 AI 提供具体的结论、特定的价格范围以及严谨的财务验证，从而实现实际的投资决策。

工作原理

该项目提供了一系列与 Claude Code 和 Codex 兼容的结构化“Skills”（命令）。它通过采用多智能体架构，将单个用户转变为虚拟投资团队：

• 多视角智能体：它模拟了一个由四位价值投资大师组成的团队（Warren Buffett, Charlie Munger, Duan Yongping, 和 Li Lu），每位大师从不同的角度分析公司（例如：业务本质、护城河、逆向思维、以及长期确定性）。这些智能体旨在通过相互挑战来消除盲点。
• 结构化工作流：它使用预定义的检查清单和漏斗（例如：“Mirror Test”）来确保在不同公司分析中保持一致的深度和格式。
• 财务严谨性工具：为了防止 LLM 计算错误，它使用了一个基于 Python 的工具 (financial_rigor.py)，利用 decimal.Decimal 进行精确计算，并交叉引用来自多个独立数据源的数据。
• 分层设计：它将功能分为 Skill 层（19 个特定的入口点）、Agent 层（大师们的并行调度）和 Tool 层（精确计算和检索）。

适合谁使用

它专为那些希望获得专业级、结构化价值投资研究，而无需配备完整的人类研究团队的投资者，以及那些使用 Claude Code 或 Codex 来自动化其财务分析的人士而设计。

亮点

• 决策导向型输出：强制给出“通过/失败/灰色”的结论，而非通用的摘要。
• 多智能体冲突：使用四种不同的投资哲学来制造冲突，从而避免确认偏差。
• 反偏差机制：包括信息丰富度评分（A/B/C）、Munger 式的逆向测试，以及“快速拒绝”红线列表。
• 全面的技能集：提供 19 种专业工具，涵盖深度研究、财报回顾、行业筛选、投资组合管理以及新闻归因。
• 财务精确性：对市值和估值实施严格验证，以避免常见的 LLM 算术幻觉。