ai-berkshire: 一个模拟投资大师多智能体团队以生成决策级报告的价值投资研究框架

它解决了什么问题

AI Berkshire 解决了标准 AI 金融分析中缺乏决策级质量的问题。虽然通用 LLM 通常提供平衡但模糊的摘要，从而避免得出明确的结论，但该框架强制执行一种纪律严明、结构化的投资研究流程。它通过使用精确的 Python 工具消除了“幻觉”式的金融计算，并通过模拟四位价值投资大师之间的多视角辩论来防止认知盲点。

它是如何工作的

该项目提供了一系列与 Claude Code 和 Codex 兼容的“Skills”（结构化工作流）。它在三个层面运行：

1. Skill Layer：针对不同场景的 18 个特定入口点，例如深度公司研究、财报回顾、行业筛选和投资组合管理。
2. Agent Layer：每个 skill 会触发多个 AI agents（代表 Warren Buffett、Charlie Munger、Duan Yongping 和 Li Lu 的视角）进行并行研究、交叉验证数据并挑战彼此的结论。
3. Tool Layer：专门的金融严谨性工具 (financial_rigor.py) 使用 Python 的 decimal.Decimal 进行高精度计算，并交叉验证来自多个独立来源的数据以确保准确性。

它是为谁设计的

它专为希望从简单的 AI 提示词转向专业级投资研究的投资者设计，使单个用户能够以完整研究团队的深度和严谨性进行操作。

亮点

• 多大师视角：模拟四位价值投资传奇人物之间的辩论，以识别矛盾和风险。
• 决策导向型输出：强制得出明确的结论（Pass/Fail/Grey）和特定的价格范围，而不是模糊的摘要。
• 金融严谨性：包含一个基于 Python 的市值和估值验证系统，以防止 LLM 的数学错误。
• 反偏见机制：实施了信息丰富度评分（A/B/C）、芒格式的逆向思维（失败情景分析）以及用于决策纪律的“Mirror Test”。
• 多样化的研究工具集：涵盖了从对上市公司和私有公司的深度研究到针对价格波动的快速 10 分钟新闻归因分析。