📌 项目地址：xbtlin/ai-berkshire | ⭐ 1,734 颗星 | 🔧 Python | 📜 未标注
一、为什么你问 AI “这个股票值不值得买” 永远得不到能用的答案？
试过让 ChatGPT 或 Claude 分析某只股票的朋友都会发现：AI 给出的回答通常是一篇“一方面…另一方面…”的平衡文章，最后以“投资有风险，请自行判断”结尾。这种分析看似全面，但你无法据此做出任何决策——你不知道它到底认为贵还是便宜，不知道安全边际在哪里，更无法横向比较不同公司的优劣。
AI Berkshire 解决的不是“能不能分析”，而是分析质量和决策纪律。它是一套基于 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分析方法论系统化、结构化，通过多 Agent 对抗分析输出可操作的结论。
作者用这套框架实盘两年，2024 年收益 +69.29%，2025 年至今 +66.38%（数据来自富途证券真实账户），大幅跑赢同期标普500、恒生指数、沪深300。注意：历史收益不代表未来，但这至少证明了框架在特定市场环境下具备实践价值。
二、它和普通 AI 分析到底有什么不同？
1. 强制给结论，不打太极
普通 AI：“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 的输出格式是：
| 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 | — |
每只股票都有一张统一的Checklist 评分表，例如：
| 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 | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ |
这使得7家公司可以横向对比，同一家公司半年后重评也可以直接对比变化。
2. 四大师视角对抗，而非单一分析
框架内置四个独立的 Agent，分别模拟 Buffett（财务估值）、Munger（逆向思考）、Duan（商业模式）、Li（长期确定性）。它们会针对同一家公司产生真实的矛盾，例如：
- 段永平（商业模式）：拼多多 C2M 模式难以复制 → 3.7/5
- 巴菲特（财务估值）：扣现金 PE 仅 6.3x，印钞机 → 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 → 3.5/5
- 李录（长期确定性）：管理层文化有隐患，10年后不确定 → 2.0/5
这种冲突才是真实投资决策的常态，单一 prompt 无法自动产生。
3. 多层反偏见机制
| 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，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 |
| 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” |
4. 精确的金融数据校验
LLM 心算容易出错。框架使用 Python 的 decimal.Decimal 进行所有计算，并内置校验工具。例如在分析腾讯时，不同来源的市值单位有“港币亿”和“人民币亿”的差异，框架会运行这样的命令：
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%
所有关键数据至少来自两个独立来源交叉验证。
三、实际怎么用？（基于 README 原文）
AI Berkshire 不是传统 pip 包，而是一套 Claude Code 的 Skill 集合。你需要拥有 Claude Code（一款收费的 AI 编程助手）的使用权限。具体用法：
- 获取项目代码：从 GitHub 克隆
xbtlin/ai-berkshire仓库。 - 配置 Claude Code：按照仓库内的
.claude.md或skills/目录下的说明，将 Skill 注册到 Claude Code 的工作上下文中。 - 执行分析：在 Claude Code 中提出指令，例如“请使用 AI Berkshire 框架分析拼多多”，框架会自动调用多个 Agent 进行对抗分析，最终输出结构化的结论和价格区间。
由于 Skill 合集包含预定义的 prompt 模板、金融计算脚本、反偏见清单等，每次分析的输出格式和覆盖范围保持一致。
注意：项目 README 没有给出一行运行命令（例如
python run.py），因为它本质上是 Skill 集成。实际操作请参考仓库内的README.md中的安装和用法部分，该部分会详细说明如何在 Claude Code 中加载这些 Skill。
四、需要注意的几点
- 依赖 Claude Code：它不是独立开源工具，需要付费的 Claude Code 环境。免费版 Claude 无法使用这些 Skill。
- Python 计算脚本：财务校验工具是 Python 写的，你需要本地 Python 环境来执行，最终结果会嵌入 Claude Code 的对话中。
- 风险提示：过去高收益不保证未来表现，尤其因为该框架在 2024-2025 年特定市场（港股、A股、美股中概股）可能表现较好，但不同市场风格下可能失效。
- 不构成投资建议：任何输出都应视为研究辅助，最终决策需自行判断。
五、同类工具对比
目前市面上没有完全可比的工具。一些金融 AI（如 BloombergGPT、FinBERT）聚焦于信息提取和情感分析，但不输出结构化投资结论。有开发者用 LangChain 连接多个 LLM 做投资分析，但缺少系统化的价值投资方法论。AI Berkshire 的独特之处在于：它固化了四位大师的思维模型，并强制输出可横向对比的评分和价格区间，对价值投资者尤其有用。
如果你做的是量化交易或技术分析，这个框架不适合你。它纯粹是基本面价值投资的数字化助手。