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 解決了標準 AI 生成的投資分析缺乏決策級品質的問題。一般的大型語言模型往往提供平衡卻模糊的「一方面…另一方面」回應，而此框架則強制嚴格的決策紀律、多觀點對抗分析與財務精準，產出可執行的投資研究報告。

How it works

此專案提供一組與 Claude Code 與 Codex 相容的「Skills」（結構化工作流程）。它透過三層將單一使用者轉變為虛擬投資團隊：

  1. Skill Layer：19 個專門的切入點，涵蓋深度研究、盈餘檢視、產業篩選與投資組合管理等任務。
  2. Agent Layer：對於複雜任務，「Team Lead」會協調四個獨立的 AI 代理，分別代表 Warren Buffett、Charlie Munger、段永平與李錄的投資哲學。這些代理會獨立搜尋、分析，並相互挑戰結論，以消除盲點。
  3. Tool Layer：一個基於 Python 的財務嚴謹工具 (financial_rigor.py)，使用 decimal.Decimal 進行精確計算，交叉驗證多來源資料，並執行市值驗證，防止 LLM 在財務運算上產生幻覺。

Who it’s for

此框架設計給價值投資者與金融分析師使用，讓他們能以 AI 系統化傳奇投資者的方法，提升研究深度與效率，同時不犧牲嚴謹性。

Highlights

  • Adversarial Analysis：利用四種不同的投資大師視角，創造分析中的張力與衝突，而非單一共識。
  • Anti-Bias Mechanisms：包含資訊豐富度評等（A/B/C）、孟恩式反向思考（迫使 AI 想像失敗情境）以及最終決策紀律的「鏡像測試」。
  • Financial Rigor：實作專屬的 Python 工具驗證市值與估值，確保計算在數學上是精確的，而非 LLM 的估算。
  • Multi-Agent Parallelism：/investment-team skill 同時執行四個代理，搜尋量與資訊來源是單一提示的四倍。
  • Comprehensive Skill Set：涵蓋從產業篩選、品質篩查、深度研究到購後論點追蹤的完整投資生命週期。