xbtlin/ai-berkshire · 上手攻略
- 仓库：xbtlin/ai-berkshire
- 链接：https://github.com/xbtlin/ai-berkshire
- 分类：skill
- 作者：Jay
- 更新：2026-08-18
这是什么
AI Berkshire 是一套同时兼容 Claude Code 与 Codex 的价值投资研究 Skill 合集，将巴菲特、芒格、段永平、李录四位价值投资大师的方法论系统化、结构化，通过 AI Agent 实现专业级投资研究。仓库声称：一个人 + Claude Code / Codex = 一个投研团队。
核心定位不是"让 AI 告诉你买哪只股票"，而是用 AI 强制执行一套决策纪律，输出带价格区间和分层建议的可执行研判，而不是两面讨好的模糊分析。
解决什么问题
直接问 AI"帮我分析拼多多值不值得买"，通常得到的是"一方面有增长潜力，另一方面面临竞争压力"——看起来全面，实际上无法做决策。
AI Berkshire 解决的核心问题：
- 强制给结论：通过/不通过/灰色地带，带具体价格区间和分层建议（激进型/稳健型/保守型）
- 多视角对抗：不是单一 Prompt，而是 4 个独立 Agent 分别用巴菲特/芒格/段永平/李录视角研究同一公司，互相挑战
- 防骗机制：信息丰富度评级、芒格式逆向检验、8条红线否决、反共识检查、留白原则
- 数据精确性：使用 Python
decimal.Decimal精确计算，关键数据 2 个独立来源交叉验证，防止 LLM 胡编数字
快速开始
前置要求
- Claude Code 或 Codex CLI（支持
claude code或claude命令行） - 富途证券账户截图（用于公众号内容精选，非强制）
安装
# 克隆仓库
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
# 查看全部 20 个 Skills
ls skills/
使用核心 Skill
# 进入 Claude Code
claude
# 单人深度研究（巴菲特+芒格+段永平+李录四视角综合）
/investment-research
# 多 Agent 并行研究（4 个独立 Agent 同时工作，Team Lead 综合）
/investment-team
# 财报精读（只读原始财报，不依赖二手研报）
/earnings-review
# 行业漏斗筛选（全市场 → 粗筛 ≤10 家 → 终选 3 家）
/industry-funnel
# 持仓组合管理
/portfolio-review
数据验证工具
# 市值手算校验（防止 AI 搞混港币/人民币单位）
python3 tools/financial_rigor.py verify-market-cap \
--price 510 --shares 9.11e9 --reported 4.65e12 --currency HKD
# ✅ 验证通过，偏差 0.08%
20 个 Skills 一览
🔬 深度研究类
| Skill | 用途 |
|---|---|
/investment-research |
四大师综合深度分析 |
/investment-team |
多 Agent 并行投研团队（4 个 Agent 同时研究） |
/management-deep-dive |
管理层纵深研究（"买股票就是买人"） |
/private-company-research |
未上市公司深度研究（蚂蚁、SpaceX 等） |
/deep-company-series |
8 篇长文系列拆解一家公司 |
📊 财报分析类
| Skill | 用途 |
|---|---|
/earnings-review |
财报精读，只读原始财报 |
/earnings-team |
财报精读团队 → 编辑润色 → 可发布文章 |
🏭 行业筛选类
| Skill | 用途 |
|---|---|
/industry-research |
产业链全景扫描 |
/industry-funnel |
全市场 → 10家粗筛 → 3家终选 |
/quality-screen |
7条硬指标快速去劣 |
/bottleneck-hunter |
供应链瓶颈猎手 |
/investment-checklist |
巴菲特买入前六关 Checklist |
📈 持仓管理类
| Skill | 用途 |
|---|---|
/income-investment |
收益型股票分析 |
/portfolio-review |
组合管理与优化 |
/thesis-tracker |
投资论文追踪与证伪 |
/thesis-drift |
投资论文漂移检测 |
/news-pulse |
股价异动 10 分钟快速归因 |
🧠 思维工具类
| Skill | 用途 |
|---|---|
/dyp-ask |
段永平问答 |
/financial-data |
财务数据获取与交叉验证 |
/wechat-article |
微信公众号文章三 Agent 协作 |
典型适用场景
- 个股深度研究：用
/investment-research或/investment-team对一家上市公司做全方位四视角分析，输出带评级和价格区间的研判 - 财报季快读：用
/earnings-review直接读原始财报（PDF/HTML），不用二手研报，像巴菲特一样读年报 - 组合定期检视：用
/thesis-tracker追踪持仓逻辑是否被证伪，/thesis-drift检测论证漂移 - 批量初筛：用
/quality-screen或/industry-funnel从全市场快速过滤出值得深研的标的 - 突发事件归因：股价异动时用
/news-pulse快速搞清"发生了什么"
坑与注意
- 历史收益不代表未来：仓库自称 2024 年实盘 +69.29%、2025 年 +66.38%，但免责声明"历史收益不代表未来"，且收益数据来自作者个人账户，不可作为策略有效性的统计证明。
- 中国市场适用性：四大师方法论中段永平（Lighthill 投资体系）和李录（喜马拉雅资本）主要来自中国市场经验，巴菲特/芒格体系则更偏美国市场。部分框架（如财报披露要求、中概股特殊风险）在跨市场应用时需要调整。
- 不是选股器：Skill 输出的是研究框架和决策建议，不是直接告诉你"明天买 X"，用户仍需自行判断。
- Claude Code 上下文窗口限制：多 Agent 并行（
/investment-team）会消耗大量 Token，复杂公司分析可能需要较长的上下文。 - 数据来源依赖：框架内置了交叉验证机制，但最终数据质量仍依赖网络搜索结果，对信息极度稀缺的公司（如早期私市公司）帮助有限。
- 工具层依赖：核心工具
financial_rigor.py需要正确配置 Python 环境（decimal.Decimal），部分 Skill 依赖实时行情数据接口（需自行配置）。
与同类对比
| 工具 | 类型 | 特点 |
|---|---|---|
xbtlin/ai-berkshire（本文） |
AI 编程 Skill 合集 | 四大师框架，强制决策纪律，多 Agent 并行 |
shadcn/... 等通用投研 AI |
通用 AI 助手 | 无结构约束，输出模糊 |
AlphaEdge 等量化平台 |
量化系统 | 偏数学/回测，非基本面投资框架 |
| 传统研报 | 人类分析师 | 成本高、速度慢、无对抗性多视角 |
AI Berkshire 的核心差异化在于把投资大师的方法论固化为可复现的 Skill 流程，而非泛化的 AI 分析。
一句话推荐结论
如果你用 Claude Code/Codex 做投资研究，AI Berkshire 是目前最系统的价值投资框架 Skill 包——四视角对抗、多 Agent 并行、防骗机制，让 AI 不再给你"一方面另一方面"的废话，而是带价格区间和分层建议的可执行研判。
原始 commit SHA：详见 GitHub 仓库。趋势追踪：https://trendshift.io/repositories/63696。