xbtlin/ai-berkshire
AI 时代的伯克希尔：基于 Claude Code / Codex 的价值投资研究框架。巴菲特·芒格·段永平·李录四大师方法论 + 多Agent并行研究。| AI-era Berkshire: a value investing research framework built for Claude Code / Codex. 4 masters' methodologies + multi-agent adversarial analysis.
What it solves
AI Berkshire 解决了标准 AI 生成的投资分析缺乏决策级质量的问题。一般的大型语言模型往往提供平衡却模糊的「一方面…另一方面」回应，而此框架则强制严格的决策纪律、多视角对抗分析与财务精准，产出可执行的投资研究报告。
How it works
该项目提供一套与 Claude Code 与 Codex 兼容的「Skills」（结构化工作流）。它通过三层将单一用户转变为虚拟投资团队：
- Skill Layer：19 个专门的入口点，涵盖深度研究、盈利审查、行业筛选与投资组合管理等任务。
- Agent Layer：对于复杂任务，「Team Lead」会协调四个独立的 AI 代理，分别代表 Warren Buffett、Charlie Munger、段永平与李录的投资哲学。这些代理会独立搜索、分析，并相互挑战结论，以消除盲点。
- Tool Layer：一个基于 Python 的财务严谨工具 (
financial_rigor.py)，使用decimal.Decimal进行精确计算，交叉验证多来源数据，并执行市值验证，防止 LLM 在财务运算上产生幻觉。
Who it’s for
此框架设计给价值投资者和金融分析师使用，让他们能够以 AI 系统化传奇投资者的方法，提升研究深度与效率，同时不牺牲严谨性。
Highlights
- Adversarial Analysis：利用四种不同的投资大师视角，创造分析中的张力与冲突，而非单一共识。
- Anti-Bias Mechanisms：包含信息丰富度评级（A/B/C）、孟恩式逆向思考（迫使 AI 想象失败情境）以及最终决策纪律的「镜像测试」。
- Financial Rigor：实现专属的 Python 工具验证市值与估值，确保计算在数学上是精确的，而非 LLM 的估算。
- Multi-Agent Parallelism：
/investment-teamskill 同时运行四个代理，搜索量与信息来源是单一提示的四倍。 - Comprehensive Skill Set：覆盖从行业筛选、质量筛查、深度研究到购后论点追踪的完整投资生命周期。