xbtlin/ai-berkshire

解决的问题

AI Berkshire 解决了标准 AI 财务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，但此框架强制执行决策纪律、多视角对抗分析和财务严谨性，以产生可操作的投资研究报告，而非通用摘要。

运作方式

该项目提供了一系列与 Claude Code 和 Codex 相容的结构化“技能”（指令）。它通过以下方式将 AI 从单一分析师转变为虚拟投资团队：

• 多代理对抗视角：它模拟四位价值投资大师（Warren Buffett、Charlie Munger、Duan Yongping 和 Li Lu），迫使他们挑战彼此的结论（例如，一位专注于商业模式，另一位专注于风险/失败场景）。
• 结构化工作流程：它针对不同任务使用特定的管道，例如“产业漏斗”（将整个市场筛选至 3 家公司）或“投资检查清单”（一个 6 步骤的二元筛选器）。
• 财务严谨工具：它使用专用的 Python 工具 (financial_rigor.py)，采用 decimal.Decimal 进行精确计算，以避免 LLM 在市值和估值计算中的算术错误。
• 反偏见机制：它实施资讯丰富度评级 (A/B/C) 和“镜像测试”，以确保研究人员能够清晰地阐述投资论点或承认无知。

目标受众

希望利用 AI 自动化深度研究过程，同时保持专业价值投资严格智力纪律的价值投资者和财务分析师。

亮点

• 20 种专业技能：包括深度研究、财报审查、产业扫描、投资组合管理和新闻归因。
• 多代理并行：/investment-team 技能部署四个独立代理同时研究一家公司，提供四倍的搜索量和多样化的视角。
• 决策优先输出：强制 AI 提供具体的结论（通过/不通过/灰色地带）和特定的价格区间，而非中立的摘要。
• 私人公司框架：针对公开数据稀缺的公司，提供一种专业的“侦探式”研究流程。
• 新闻脉动：一种快速的 10-15 分钟归因工具，用于区分基本价值事件与情绪化的市场杂讯。