English | 中文

AI Berkshire - AI 时代的价值投资研究框架

"Price is what you pay, value is what you get." — Warren Buffett

用 AI 重新定义投资研究的深度与效率。

AI Berkshire 是一套基于 Claude Code 的投资研究 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。

一个人 + Claude = 一个投研团队。

Real Track Record

不是纸上谈兵。这套框架背后是真金白银验证的投资体系。

2024 全年收益：+69.29%

2025 年至今收益：+66.38%

与主要指数对比

指标	2024 全年	2025 至今
本框架实盘	+69.29%	+66.38%
恒生指数	+17.67%	+27.77%
标普500	+23.31%	+16.39%
沪深300	+14.68%	+17.66%
纳斯达克	+28.64%	+20.36%

2024 年超额收益：跑赢标普500 46个百分点，跑赢恒生指数 52个百分点

2025 年超额收益：跑赢标普500 50个百分点，跑赢恒生指数 39个百分点

两年累计实盘收益超 146万元，连续两年大幅跑赢全球主要指数。

免责声明：历史收益不代表未来表现。截图来自富途证券真实账户。

为什么不能直接问 AI？

你当然可以直接问 Claude："帮我分析拼多多值不值得买"。你会得到一篇"一方面...另一方面..."的平衡分析，最后以"投资有风险，请自行判断"收尾。

这种分析看起来对，但没法拿来做决策。

AI Berkshire 解决的不是"能不能分析"的问题，而是分析质量和决策纪律的问题。以下是核心差异：

1. 强制给结论，不打太极

直接问AI，你得到的是两面讨好的"分析"。AI Berkshire 强制输出：通过/不通过/灰色地带，带具体价格区间和分层建议。

普通AI回答："拼多多有增长潜力但也面临竞争压力，投资者需要权衡..."

AI Berkshire 输出：

策略建议价格区间
激进型当前价位可建仓20% $95-105
稳健型等回购政策明确后建仓 $85-95
保守型不符合10年确定性标准，观望 —

镜子测试：5句话说不完整 = 不买，没有例外。

策略	建议	价格区间
激进型	当前价位可建仓20%	$95-105
稳健型	等回购政策明确后建仓	$85-95
保守型	不符合10年确定性标准，观望	—

2. 四大师视角对抗，而非单一分析

不是"用巴菲特方法分析一下"这么简单。四个视角会产生真实的矛盾和张力——

以拼多多为例：

段永平（商业模式）：好生意，C2M模式难以复制 → 评分 3.7/5
巴菲特（财务估值）：扣现金PE仅6.3x，印钞机 → 评分 4.4/5
芒格（逆向思考）：护城河比想象中浅，抖音3年做到4万亿GMV → 评分 3.5/5
李录（长期确定性）：管理层文化有隐患，10年后不确定 → 评分 2.0/5

巴菲特说"真便宜"，李录说"不确定就不买"——这种冲突才是投资决策的真实状态。单一prompt无法制造这种多视角对抗，而这恰恰是避免盲点的关键。

3. 结构化反偏见机制

AI最危险的不是给错答案，而是给一个看起来很对但经不起推敲的答案。AI Berkshire 在流程中内置了多层"防骗"机制：

机制	解决什么问题	举例
信息丰富度评级（A/B/C）	防止"资料多=确定性高"的幻觉	泡泡玛特评为B级：数据有限，推算指标标注置信度
芒格式逆向检验	强制思考失败场景	"什么情况下拼多多会死？"→ 列出5大情景及概率
快速否决清单	8条红线一票否决	管理层诚信污点 → 直接否决，不管估值多便宜
反共识检查	避免和市场想法一样	"聪明人为什么在做空？"→ 发现被忽视的风险
留白原则	宁可说"不知道"	数据不足时标注"灰色地带"，不用推测伪装确定性

4. 金融数据的精确性

LLM心算不可靠。PE算错一个小数点、市值单位搞混港币和人民币，就可能导致错误的投资决策。

真实案例：分析腾讯时，不同来源的市值数据有"港币亿"和"人民币亿"两种单位。AI Berkshire 的处理方式：

# 市值手算校验：股价 × 总股本，与报告数据对比
python3 tools/financial_rigor.py verify-market-cap \
  --price 510 --shares 9.11e9 --reported 4.65e12 --currency HKD
# ✅ 验证通过, 偏差仅 0.08%

所有计算使用 Python decimal.Decimal（精确十进制），不用 float。关键数据至少2个独立来源交叉验证。

5. 可复现的研究流程

直接问AI，每次输出的格式、深度、覆盖面都不一样——今天分析腾讯有护城河评分，明天分析美团可能就忘了。

AI Berkshire 确保：同样的输入 → 结构一致、深度一致的输出。这意味着你可以：

7家公司横向对比，评分标准完全一致
同一家公司半年后重新分析，直接对比变化
团队成员之间的研究结果可以对齐

真实输出——7家公司用同一标准 Checklist 筛选：

公司通过? 能力圈好生意护城河管理层安全边际综合
茅台 ✅ 通过 ★★★★★ ★★★★★ ★★★★★ ★★★☆☆ ★★★★☆ 4.7
腾讯 ✅ 通过 ★★★★☆ ★★★★★ ★★★★★ ★★★★★ ★★★★☆ 4.7
英伟达 ✅ 有条件 ★★★★☆ ★★★★★ ★★★★★ ★★★★★ ★★★☆☆ 4.3
美团 ✅ 有条件 ★★★★☆ ★★★★☆ ★★★★☆ ★★★★☆ ★★★★☆ 4.0
快手 ✅ 有条件 ★★★☆☆ ★★★★☆ ★★★★☆ ★★★★☆ ★★★★★ 4.0
拼多多 ❓ 灰色 ★★★★☆ ★★★★☆ ★★★☆☆ ★★★☆☆ ★★★★★ 3.8
泡泡玛特 ❓ 灰色 ★★★☆☆ ★★★★☆ ★★★★☆ ★★★★★ ★★★☆☆ 3.7

公司	通过?	能力圈	好生意	护城河	管理层	安全边际	综合
茅台	✅ 通过	★★★★★	★★★★★	★★★★★	★★★☆☆	★★★★☆	4.7
腾讯	✅ 通过	★★★★☆	★★★★★	★★★★★	★★★★★	★★★★☆	4.7
英伟达	✅ 有条件	★★★★☆	★★★★★	★★★★★	★★★★★	★★★☆☆	4.3
美团	✅ 有条件	★★★★☆	★★★★☆	★★★★☆	★★★★☆	★★★★☆	4.0
快手	✅ 有条件	★★★☆☆	★★★★☆	★★★★☆	★★★★☆	★★★★★	4.0
拼多多	❓ 灰色	★★★★☆	★★★★☆	★★★☆☆	★★★☆☆	★★★★★	3.8
泡泡玛特	❓ 灰色	★★★☆☆	★★★★☆	★★★★☆	★★★★★	★★★☆☆	3.7

6. 多Agent并行 = 研究深度的倍增

/investment-team 启动4个独立Agent同时研究一家公司。每个Agent各自搜索网络、交叉验证数据、独立给出结论。这不是把一个prompt拆成四段——是4个"分析师"各自做了完整的研究，Team Lead再综合。

一个人直接问AI，上下文窗口是一个。4个Agent并行，等于4倍的搜索量、4倍的信息源、4个独立视角。

┌─────────────────────────────────────────────┐
│              Team Lead (你)                  │
│         统筹协调 · 汇总研判                  │
├──────┬──────┬──────────┬───────────┤
│ Agent 1    │ Agent 2    │ Agent 3        │ Agent 4         │
│ 商业模式   │ 财务估值    │ 行业竞争       │ 风险管理层       │
│ 段永平视角 │ 巴菲特视角  │ 芒格视角       │ 李录视角         │
└──────┴──────┴──────────┴───────────┘
        ↓ 并行研究，实时汇报进度 ↓
              最终综合报告

一句话总结

普通人问AI得到的是"看起来对的分析"，用 AI Berkshire 得到的是"可以拿来做决策的投研报告"。

整体架构

AI Berkshire 整体架构

图源：assets/architecture.mmd（Mermaid 可编辑源码）

三层设计哲学：

Skill 层：把"你要做什么"抽象成 16 个明确入口——深度研究、财报分析、行业筛选、持仓管理、思维工具，按场景选用
Agent 层：每个 skill 内部都是 4 个 Agent 并行——它们各自独立搜索、独立判断、互相挑战，最后由 Team Lead 综合
工具层：精确计算、实时检索、报告抽检——保证每份报告的数据严谨性可验证

Skills 一览（16个）

🔬 深度研究类

Skill	用途	适合场景
`/investment-research`	四大师综合深度分析	对一家上市公司进行全方位投资研究
`/investment-team`	多Agent并行投研团队	4个Agent并行研究，最快速、最全面
`/management-deep-dive`	管理层纵深研究	"买股票就是买人"——当管理层是核心变量时深挖
`/private-company-research`	未上市公司深度研究	研究蚂蚁、SpaceX等信息稀缺的未上市公司
`/deep-company-series`	8篇长文系列拆一家公司	公众号级深度系列，12万字从认知重置到决策闭环

📊 财报分析类

Skill	用途	适合场景
`/earnings-review`	财报精读（一手资料）	只读原始财报，不依赖二手研报，像巴菲特一样读年报
`/earnings-team`	财报精读团队 + 公众号发布	四大师并行解读财报 → 编辑润色 → 读者评审 → 可发布文章

🏭 行业筛选类

Skill	用途	适合场景
`/industry-research`	产业链全景扫描	研究一个行业的全部投资机会（按产业链环节切片）
`/industry-funnel`	行业漏斗筛选	全市场 → 粗筛 ≤10 家 → 终选 3 家深度分析
`/quality-screen`	去劣筛选（7条硬指标）	快速排除非一流公司，支持个股/行业/指数/主题批量筛
`/investment-checklist`	巴菲特买入前 Checklist	六关快速筛选，10分钟决定是否值得深入

📈 持仓管理类

Skill	用途	适合场景
`/portfolio-review`	组合管理与优化	从"研究公司"升级到"管理组合"——仓位、集中度、再平衡
`/thesis-tracker`	投资论文追踪	买入后的纪律系统：持续跟踪论文是否被证伪
`/news-pulse`	股价异动快速归因	股价大涨/大跌时10分钟搞清"发生了什么"

🧠 思维工具类

Skill	用途	适合场景
`/dyp-ask`	段永平问答	以段永平的方式思考任何问题——商业、投资、人生
`/financial-data`	财务数据获取与交叉验证规范	确保关键数据来自2个独立来源，误差>1%告警

快速开始

1. 安装 Claude Code

npm install -g @anthropic-ai/claude-code

2. 安装 Skills

将 skills/ 目录下的 .md 文件复制到你的 Claude Code commands 目录：

# 克隆仓库
git clone https://github.com/xbtlin/ai-berkshire.git

# 复制 skills 到 Claude Code 全局 commands 目录
cp ai-berkshire/skills/*.md ~/.claude/commands/

3. 使用

在 Claude Code 中直接调用：

# 深度研究
/investment-research 腾讯
/investment-team 美团
/management-deep-dive 王兴 美团
/private-company-research SpaceX
/deep-company-series 拼多多

# 财报分析
/earnings-review 腾讯 2025Q4
/earnings-team PDD 2025年报

# 行业筛选
/industry-research 核电
/industry-funnel AI算力
/quality-screen 恒生指数成分股
/investment-checklist 茅台, 英伟达, 苹果

# 持仓管理
/portfolio-review 腾讯30%, 美团20%, 茅台20%, 现金30%
/thesis-tracker 拼多多
/news-pulse 腾讯

# 思维工具
/dyp-ask 拼多多的护城河到底在哪里？

各 Skill 详细介绍

1. `/investment-research` — 四大师综合分析

最全面的单公司深度研究框架。按七个模块顺序执行：

数据收集 → 生意本质(段永平) → 护城河(巴菲特) → 逆向思考(芒格)
    → 管理层评估(段永平+巴菲特) → 文明趋势(李录) → 估值与安全边际

核心特色：

AI研究偏见自觉机制（A/B/C级信息丰富度评级）
关键数据多源交叉验证（市值手算校验、至少2个独立来源）
四位大师的"追问"贯穿全文
三情景估值（乐观/中性/悲观）+ 反向DCF

输出示例摘录：

综合决策备忘录

维度结论信心度
生意质量（段永平）极佳：平台型生意，双边网络效应，边际成本趋零 ★★★★★
护城河（巴菲特）宽阔且在变宽：网络效应+转换成本+规模效应三重叠加 ★★★★☆
管理层（段永平+巴菲特）优秀：创始人掌舵，资本配置纪律强 ★★★★☆
最大风险（芒格）监管政策不确定性，新业务亏损拖累整体利润 ★★★☆☆
文明趋势（李录）顺应数字化消费趋势，但非"文明级范式转移" ★★★★☆
估值（巴菲特+段永平）当前PE 18x，处于历史中位数偏低，有一定安全边际 ★★★★☆

段永平："这门生意的本质是连接消费者和商家，赚的是效率提升的钱。好生意的标志是：用户越多，商家越多；商家越多，用户越多。飞轮一旦转起来，很难停下。"

芒格："反过来想——如果这家公司明天消失，用户和商家会怎么办？如果答案是'很快找到替代品'，那护城河就不够深。如果答案是'生活会变得非常不方便'，那就值得关注。"

维度	结论	信心度
生意质量（段永平）	极佳：平台型生意，双边网络效应，边际成本趋零	★★★★★
护城河（巴菲特）	宽阔且在变宽：网络效应+转换成本+规模效应三重叠加	★★★★☆
管理层（段永平+巴菲特）	优秀：创始人掌舵，资本配置纪律强	★★★★☆
最大风险（芒格）	监管政策不确定性，新业务亏损拖累整体利润	★★★☆☆
文明趋势（李录）	顺应数字化消费趋势，但非"文明级范式转移"	★★★★☆
估值（巴菲特+段永平）	当前PE 18x，处于历史中位数偏低，有一定安全边际	★★★★☆

2. `/investment-team` — 多Agent投研团队

启动4个AI Agent并行研究，模拟真实投研团队协作。每个Agent独立搜索、独立分析、独立给出评分，最后由Team Lead综合研判。

输出示例摘录：

一句话结论

美团是中国本地生活服务的绝对龙头，拥有多重网络效应护城河，当前估值处于历史较低水平，长期投资价值显著，建议逢低建仓。

四维评分总表

维度框架评分核心判断
商业模式 & 护城河段永平 ★★★★☆ 双边网络效应强劲，外卖+到店形成飞轮
财务 & 估值巴菲特 ★★★★☆ 核心业务利润率持续改善，估值处于历史低位
行业 & 竞争芒格 ★★★☆☆ 抖音入侵到店业务，竞争格局有恶化风险
风险 & 管理层李录 ★★★★☆ 王兴战略眼光出色，但新业务烧钱需警惕

综合评分：3.8 / 5

投资建议

策略建议价格区间(港元)
激进型当前价位可建仓30% 120-140
稳健型等回调至100-110建仓 100-120
保守型等待季报验证利润率趋势后再介入 <100

维度	框架	评分	核心判断
商业模式 & 护城河	段永平	★★★★☆	双边网络效应强劲，外卖+到店形成飞轮
财务 & 估值	巴菲特	★★★★☆	核心业务利润率持续改善，估值处于历史低位
行业 & 竞争	芒格	★★★☆☆	抖音入侵到店业务，竞争格局有恶化风险
风险 & 管理层	李录	★★★★☆	王兴战略眼光出色，但新业务烧钱需警惕

策略	建议	价格区间(港元)
激进型	当前价位可建仓30%	120-140
稳健型	等回调至100-110建仓	100-120
保守型	等待季报验证利润率趋势后再介入	<100

3. `/investment-checklist` — 巴菲特买入前 Checklist

六关快速筛选，帮你在10分钟内决定一家公司是否值得深入研究：

第一关：能力圈（我能理解吗？）
    ↓ 通过
第二关：好生意（经济特征如何？）
    ↓ 通过
第三关：护城河（竞争优势深不深？）
    ↓ 通过
第四关：管理层（值得信任吗？）
    ↓ 通过
第五关：安全边际（价格便宜吗？）
    ↓ 通过
第六关：决策纪律（是理性还是FOMO？）
    ↓ 通过
   ✅ 镜子测试

支持多公司对比——一次筛选多个标的：

/investment-checklist 腾讯, 阿里巴巴, 美团, 拼多多

输出示例摘录：

镜子测试

"我以 380港元买入腾讯，因为：

这门生意的本质是社交网络+数字内容平台，我理解它；

它的护城河是12亿用户的社交关系链，而且在变宽；

管理层Pony Ma低调务实、资本配置优秀，值得信赖；

当前价格相当于内在价值的8折，有一定安全边际；

即使我错了，下行风险可控，因为账上净现金超2000亿、游戏现金流强劲。"

✅ 通过镜子测试

5句话说不完整 = 不买。没有例外。

4. `/industry-research` — 产业链全景扫描

从一个投资主题出发，完成产业链全景研究：

投资逻辑链构建 → 产业链全景图 → 全球上市公司扫描
    → 各环节头部公司四大师分析 → 投资组合配置建议

输出示例摘录：

投资逻辑链：核电

底层趋势：AI数据中心电力需求爆发 + 碳中和目标 → 导致：稳定清洁基荷电源需求激增 → 创造：核电重启/新建/SMR的确定性需求 → 受益：铀矿 → 燃料加工 → 设备制造 → 运营商

推荐组合

层级仓位标的环节核心逻辑
核心 50% 中国广核(CGN)、Cameco 运营+铀矿确定性最高
卫星 30% 中国核电、东方电气运营+设备国产替代受益
期权 15% NuScale、Nano Nuclear SMR 高风险高弹性
ETF 替代 URA、URNM 全链懒人方案

层级	仓位	标的	环节	核心逻辑
核心	50%	中国广核(CGN)、Cameco	运营+铀矿	确定性最高
卫星	30%	中国核电、东方电气	运营+设备	国产替代受益
期权	15%	NuScale、Nano Nuclear	SMR	高风险高弹性
ETF	替代	URA、URNM	全链	懒人方案

5. `/industry-funnel` — 行业漏斗筛选

从一个行业/方向出发，全市场 → ≤10 家 → 3 家逐层精选：

全市场扫描（活跃度 + 涨幅 + 市值前 30 并集，30-60 家）
    ↓ 价值投资 5 条硬指标
粗筛 ≤ 10 家
    ↓ 精细分析（每家 300-500 字）
精细分析 ≤ 10 家
    ↓ 终选（按组合互补性，不按打分前 3）
四大师深度分析 3 家（每家 800-1200 字）
    ↓
推荐组合（核心 / 卫星 / 期权）+ 操作信号

核心特色：

每层都有明确留/弃标准，被淘汰的标的留下淘汰理由（不是黑箱）
终选 3 家按"组合互补性"选（高确定性 + 中等弹性 + 高弹性），不按打分前 3 排序
强制列"未来 IPO 候选"，避免漏掉一级市场核心玩家
AI 偏见自觉机制：应对龙头偏好 / 英文偏好 / 故事偏好 / 上市偏好

与 /industry-research 的区别：

industry-research 偏重产业链结构与全景（按环节切片）
industry-funnel 偏重个股筛选漏斗（从全市场逐层精选到 3 家）

实测：AI 行业 4 子赛道并行（2026-05-09）：

子赛道	终选 3 家	核心仓位推荐
AI 算力	TSMC / NVIDIA / SK Hynix	TSMC ★★★★★
AI 模型	Alphabet / Meta / 阿里巴巴	Alphabet ★★★★★
AI 应用	微软 / Adobe / AppLovin	微软 + Adobe ★★★★
AI 基建电力	Eaton / 特变电工 / Talen Energy	Eaton + 特变电工 ★★★★

关键发现：AI 应用层最大赢家不是 AI Native 公司，而是有渠道+数据+工作流嵌入度的成熟巨头——这呼应了 1995-2000 互联网泡沫"卖铲子"的历史规律（亚马逊和苹果赢，Pets.com 输）。

完整报告：AI 算力 · AI 模型 · AI 应用 · AI 基建电力

6. `/private-company-research` — 未上市公司深度研究

专为信息稀缺的未上市公司设计的"侦探式"研究框架：

核心差异化：

财务数据拼凑：从招股书、母公司财报、融资新闻、行业数据多源拼凑
置信度标注：每个数据点标注 🟢高 / 🟡中 / 🔴低置信度
多方法估值交叉：融资估值法 + 可比公司法 + DCF + 终局倒推法
退出路径分析：IPO/并购/二级转让全路径评估

输出示例摘录：

公司画像速览：SpaceX

项目内容
最新估值 ~$350B (2025年二级市场) 🟡
推算收入 ~$130亿 (2024年) 🟡
Starlink用户 400万+ (2024年底) 🟢
发射次数 100+ 次/年 (2024年) 🟢

估值判断

方法估值区间说明
最近融资 $350B 二级市场报价，有流动性溢价
可比公司法 $200-280B 对标电信+航天+国防
DCF(中性) $250-350B 假设Starlink 2027年$300亿收入
终局倒推 $400-600B 假设星链成为全球电信基础设施

综合合理估值区间：$250B - $400B

项目	内容
最新估值	~$350B (2025年二级市场) 🟡
推算收入	~$130亿 (2024年) 🟡
Starlink用户	400万+ (2024年底) 🟢
发射次数	100+ 次/年 (2024年) 🟢

方法	估值区间	说明
最近融资	$350B	二级市场报价，有流动性溢价
可比公司法	$200-280B	对标电信+航天+国防
DCF(中性)	$250-350B	假设Starlink 2027年$300亿收入
终局倒推	$400-600B	假设星链成为全球电信基础设施

7. `/news-pulse` — 股价异动新闻归因

专为"股价大涨/大跌时快速搞清发生了什么"设计的情报响应 Skill。不是深度投研，是 10-15 分钟的快速归因——避免持仓异动时陷入小作文焦虑或盲目止损。

核心差异化：

4 维并行侦察：公司事件 / 监管政策 / 行业对手 / 市场情绪（卖方+大V+南向资金）
归因优先于罗列：不是把所有新闻列一遍，而是判断"哪个事件配得上这次股价异动"
强制性质判断：价值事件 / 情绪波动 / 真因不明 / 混合——其中"真因不明"是最有价值的输出（可能存在内幕抢跑）
明确行动建议：是否触发深度研究、是否需要重审论文、是否仅观察等

与其他 Skill 的区别：

场景	用什么
完整投研（小时级）	`/investment-team` 或 `/investment-research`
财报深读	`/earnings-review`
长期论文跟踪	`/thesis-tracker`
股价异动 10 分钟归因	`/news-pulse`

输出示例摘录（腾讯 4/17-5/01 实测，14 天 -10.47%）：

一句话归因

这次 -10.47% 跌幅约 70-80% 由资金面+情绪面驱动（回购静默期 + 南向减仓 + 板块 beta + AI 叙事被夺），20-30% 由 AI 投入翻倍的递延消化承担——基本面无利空，卖方维持买入共识，性质上属于"流动性+情绪型回调"，不是价值事件。

异动归因表

候选解释估算贡献置信度
回购静默期消失（结构性，5/13 财报前） -3% ~ -4% 高
南向资金转向净卖腾讯 -2% ~ -3% 高
AI 叙事被竞品夺走（DeepSeek V4/Qwen3.6/月暗 1T） -1% ~ -2% 中
板块/宏观 beta（油价+地缘+Fed Warsh 鹰派） -2% ~ -3% 高
一季报前避险 -1% ~ -2% 中
基本面恶化 0% 极高（排除）

性质判断：✅ 混合型

70% 资金面/情绪面 + 20% AI 长期叙事担忧 + 10% 一季报前不确定性

关键反证：段永平 4/8 卖腾讯 put（看多）；卖方 24 家共识 Strong Buy；网易 4/30 逆市涨 2%（排除游戏行业问题）；腾讯跑输恒科 7 个百分点（恒科月度反而涨 4%）。

候选解释	估算贡献	置信度
回购静默期消失（结构性，5/13 财报前）	-3% ~ -4%	高
南向资金转向净卖腾讯	-2% ~ -3%	高
AI 叙事被竞品夺走（DeepSeek V4/Qwen3.6/月暗 1T）	-1% ~ -2%	中
板块/宏观 beta（油价+地缘+Fed Warsh 鹰派）	-2% ~ -3%	高
一季报前避险	-1% ~ -2%	中
基本面恶化	0%	极高（排除）

调用方式：

/news-pulse 腾讯
/news-pulse 拼多多 跌12% 一周内
/news-pulse 米哈游

实战研究报告

以下是使用本框架生成的真实投资研究报告，展示 AI 投研的实际输出效果。

公司	使用 Skill	核心结论	报告链接
拼多多 (PDD)	`/investment-team`	综合3.4/5，极度便宜但10年确定性不足，适合中等仓位	查看报告
腾讯控股 (0700.HK)	`/investment-research`	社交垄断+资本配置卓越，14x前瞻PE合理偏低	查看报告
7家公司对比	`/investment-checklist`	茅台、腾讯通过；英伟达、美团、快手有条件通过；拼多多、泡泡玛特灰色	查看报告
大师持仓追踪	自定义研究	巴菲特/李录/段永平最新13F持仓+PDD成本分析	查看报告

更多报告将持续添加。欢迎 PR 提交你用本框架生成的研究报告。

设计理念

四大师方法论融合

              ┌──────────────────┐
              │    段永平         │
              │  "对的生意"       │
              │  商业模式本质      │
              └────────┬─────────┘
                       │
    ┌──────────────────┼──────────────────┐
    │                  │                  │
    ▼                  ▼                  ▼
┌────────┐     ┌──────────┐      ┌────────┐
│ 巴菲特  │     │   芒格    │      │  李录   │
│ 护城河  │     │ 逆向思考  │      │ 文明趋势│
│ 安全边际│     │ 风险清单  │      │ 范式转移│
│ 管理层  │     │ 偏误自查  │      │ 产业价值│
└────────┘     └──────────┘      └────────┘

四位大师不是简单的分工，而是设计来互相挑战的：

段永平说"好生意"，芒格会问"怎么会死"
巴菲特说"够便宜"，李录会问"10年后还在吗"
你得到的不是四份报告的拼接，而是四种思维方式的碰撞

金融严谨性工具 (`tools/financial_rigor.py`)

功能	命令	解决的问题
市值验算	`verify-market-cap`	股价×总股本精确计算，检测单位错误
估值验算	`verify-valuation`	PE/PB/ROE/FCF Yield 精确十进制计算
多源交叉验证	`cross-validate`	N个来源的同一数据自动比对，超过容差告警
三情景估值	`three-scenario`	乐观/中性/悲观精确计算目标价
Benford定律检测	`benford`	检测财务数据首位数字分布异常
精确计算器	`calc`	任意财务表达式精确计算，替代LLM心算

设计原则：所有计算使用 Python decimal.Decimal（精确十进制），非 float（浮点近似）。0.1 + 0.2 = 0.3 在金融场景中不允许失败。

项目路线图

免责声明

本项目仅供学习和研究目的，不构成任何投资建议。投资有风险，决策需谨慎。请始终做好自己的尽职调查（DYOR）。

Star History

如果这个项目对你有帮助，请给一个 Star 支持！

License

MIT License

"The best investment you can make is in yourself." — Warren Buffett

AI Berkshire：让每个人都拥有自己的投研团队。

AI Berkshire - AI 时代的价值投资研究框架

Real Track Record

2024 全年收益：+69.29%

2025 年至今收益：+66.38%

与主要指数对比

为什么不能直接问 AI？

1. 强制给结论，不打太极

2. 四大师视角对抗，而非单一分析

3. 结构化反偏见机制

4. 金融数据的精确性

5. 可复现的研究流程

6. 多Agent并行 = 研究深度的倍增

一句话总结

整体架构

Skills 一览（16个）

🔬 深度研究类

📊 财报分析类

🏭 行业筛选类

📈 持仓管理类

🧠 思维工具类

快速开始

1. 安装 Claude Code

2. 安装 Skills

3. 使用

各 Skill 详细介绍

1. /investment-research — 四大师综合分析

综合决策备忘录

2. /investment-team — 多Agent投研团队

一句话结论

四维评分总表

投资建议

3. /investment-checklist — 巴菲特买入前 Checklist

镜子测试

4. /industry-research — 产业链全景扫描

投资逻辑链：核电

推荐组合

5. /industry-funnel — 行业漏斗筛选

6. /private-company-research — 未上市公司深度研究

公司画像速览：SpaceX

估值判断

7. /news-pulse — 股价异动新闻归因

一句话归因

异动归因表

性质判断：✅ 混合型

实战研究报告

设计理念

四大师方法论融合

金融严谨性工具 (tools/financial_rigor.py)

项目路线图

免责声明

Star History

License

关于 About

语言 Languages

提交活跃度 Commit Activity

核心贡献者 Contributors

1. `/investment-research` — 四大师综合分析

2. `/investment-team` — 多Agent投研团队

3. `/investment-checklist` — 巴菲特买入前 Checklist

4. `/industry-research` — 产业链全景扫描

5. `/industry-funnel` — 行业漏斗筛选

6. `/private-company-research` — 未上市公司深度研究

7. `/news-pulse` — 股价异动新闻归因

金融严谨性工具 (`tools/financial_rigor.py`)