30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度1. 先搞清楚 AI Berkshire 到底能帮你做什么以及它和直接问 AI 的区别如果你对价值投资感兴趣或者经常需要分析公司、看财报、筛选行业但苦于没有时间或专业团队那 AI Berkshire 这个项目值得你花十分钟了解一下。它不是一个简单的 AI 聊天机器人而是一个基于 Claude Code 或 Codex 构建的、系统化的价值投资研究框架。简单来说它把巴菲特、芒格、段永平、李录这四位投资大师的思考方式变成了一个个可以调用的 AI 技能Skill。你不需要成为专家就能让 AI 以这四位大师的视角并行地、结构化地帮你分析一家公司、一个行业甚至管理你的投资组合。但这里有个关键问题为什么不能直接问 Claude 或 ChatGPT “帮我分析一下腾讯”我实测过很多次直接问通用 AI你大概率会得到一篇“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”收尾。这种分析看起来面面俱到但无法用于实际决策。因为你不知道它的结论是基于什么标准也不知道它是否遗漏了关键风险。AI Berkshire 解决的就是这个问题。它的核心价值不是“让 AI 能分析”而是强制 AI 按照一套严谨、可复现、且内置了反偏见机制的流程来产出研究结论。这带来了几个根本性的区别强制输出明确结论不打太极它会直接告诉你“通过”、“不通过”或“灰色地带”并给出针对不同风险偏好激进、稳健、保守的具体价格区间和仓位建议。多视角对抗而非单一分析不是简单地“用巴菲特方法分析一下”而是让四个独立的 AI Agent 分别扮演四位大师从商业模式、财务估值、逆向风险、长期确定性四个维度独立研究、互相挑战。这种内部冲突恰恰是避免盲点的关键。结构化反偏见机制AI 最危险的不是给错答案而是给一个“看起来对”的答案。AI Berkshire 内置了信息丰富度评级、芒格式逆向检验“什么情况下这家公司会死”、快速否决清单如管理层诚信污点一票否决等机制来对抗 AI 的“幻觉”和“共识偏好”。金融数据的精确性大语言模型LLM的心算不可靠PE 算错小数点、市值单位搞混港币 vs 人民币都可能导致灾难性决策。AI Berkshire 通过调用 Python 工具进行精确的十进制计算和多源数据交叉验证确保数据准确性。可复现的研究流程同样的输入每次都能得到结构一致、深度一致的输出。这意味着你可以横向对比多家公司或者半年后重新分析同一家公司结果具有可比性。所以AI Berkshire 的本质是“一个人 Claude Code/Codex 一个投研团队”。它提供的不是闲聊式的分析而是一套可以用于辅助决策的、具有纪律性的投研工作流。根据项目资料其背后的实盘在 2024 和 2025 年分别取得了 69.29% 和 66.38% 的收益大幅跑赢同期主要指数。当然历史业绩不代表未来但这至少证明了其方法论在实践中的有效性。2. 环境准备与安装选对客户端理清安装逻辑在动手之前你需要明确自己使用哪个 AI 客户端。AI Berkshire 同时支持Claude Code和Codex这是两个不同的工具安装方式和使用体验略有差异。2.1 选择你的 AI 客户端Claude Code: 由 Anthropic 公司开发更侧重于代码生成和与开发环境的深度集成。如果你习惯在终端或 IDE 中使用 Claude或者 Anthropic 的模型在你的地区更易用可以选择它。Codex: 这里通常指的是 OpenAI 的 Codex 模型或其相关工具但在本项目语境下可能指代一个集成了类似能力的客户端。根据搜索材料它提供了命令行和桌面版。如果你更依赖 OpenAI 的生态或者需要桌面图形界面可以选择它。我的建议是先看看你手头哪个客户端的访问更稳定、更顺手。两者的核心技能Skill功能是相似的项目也提供了两套安装脚本。2.2 安装 AI 客户端基础环境无论选择哪个你都需要先安装对应的客户端。对于 Claude Code 用户通常通过 npm 安装。确保你的系统已安装 Node.js。npm install -g anthropic-ai/claude-code安装后在终端输入claude --version验证是否成功。对于 Codex 用户根据你的操作系统选择以下一种方式安装# macOS / Linux (通过 curl) curl -fsSL https://chatgpt.com/codex/install.sh | sh # 或使用 npm npm install -g openai/codex # 或使用 Homebrew (macOS) brew install --cask codex # Windows (PowerShell) powershell -ExecutionPolicy ByPass -c irm https://chatgpt.com/codex/install.ps1 | iex安装后在终端或命令行输入codex --version验证。注意网络环境可能影响安装。如果遇到下载慢或失败请检查网络连接或查阅对应客户端的官方文档寻找替代安装源。2.3 安装 AI Berkshire Skills核心技能包客户端装好只是第一步接下来要把 AI Berkshire 的“技能包”安装到你的客户端里。克隆项目仓库这是必须的一步因为技能文件都在这个仓库里。git clone https://github.com/xbtlin/ai-berkshire.git cd ai-berkshire根据你的客户端运行安装脚本Claude Code 用户./scripts/install-claude-commands.sh这个脚本会将skills/目录下的.md文件复制到 Claude Code 的全局命令目录。安装后在 Claude Code 对话中直接输入/就能看到诸如/investment-research这样的命令。Codex 用户./scripts/install-codex-skills.sh这个脚本会在~/.codex/skills目录下生成并安装对应的技能包。可选步骤如果你希望获得类似 Claude Code 的/快捷命令体验可以再运行./scripts/install-codex-prompts.sh这会在~/.codex/prompts目录安装一套 Slash Prompts之后在 Codex 中可以通过/prompts:investment-research这样的方式调用。安装过程可能遇到的问题权限问题在 Linux/macOS 下如果脚本没有执行权限运行chmod x scripts/*.sh。目录不存在脚本可能会尝试创建~/.codex等目录如果失败可以手动创建后再运行脚本。Claude Code 频繁请求授权这是 Claude Code 的安全机制。因为这些 Skills 会频繁调用网络搜索、计算等工具每次调用都可能弹窗确认。如果你完全信任本项目且在可信环境中可以用claude --dangerously-skip-permissions启动来跳过确认但请谨慎使用此模式。安装成功后重启你的 Claude Code 或 Codex 客户端让它们加载新的技能。3. 核心技能实战从单公司分析到行业筛选技能安装好后你就可以像调用一个专业投研团队一样工作了。下面我挑几个最常用、最能体现其价值的技能拆解具体怎么用以及输出结果到底长什么样。3.1/investment-research单公司深度研究四大师视角这是最全面的单公司分析框架。你只需要提供一个公司名称或股票代码。使用方式Claude Code/investment-research 腾讯控股或者/investment-research 0700.HK它会做什么它会按顺序执行七个模块的研究数据收集自动搜索最新财报、新闻、行业报告。生意本质段永平视角这门生意到底赚什么钱模式好不好护城河巴菲特视角竞争优势有多深是否可持续逆向思考芒格视角“反过来想”最大的风险是什么什么情况下会失败管理层评估段永平巴菲特视角管理层是否值得信任资本配置能力如何文明趋势李录视角这家公司是否站在一个长期的、大的文明发展趋势上估值与安全边际用多种方法如三情景估值、反向DCF计算当前价格是否便宜。输出亮点信息丰富度评级报告开头会标注“A/B/C”级告诉你研究依据的信息是否充足。比如研究一家信息很少的小公司可能会是C级结论的置信度就需要打折。关键数据交叉验证对于市值、PE等关键数据它会从至少两个独立来源获取并比对偏差过大时会告警。明确的决策备忘录最终会给你一个清晰的表格综合各维度评分和结论。大师原话式点评报告中会穿插“段永平会说……”、“芒格会问……”这样的模拟点评帮你理解大师的思考角度。实测建议第一次用建议选一家你非常熟悉的公司比如茅台、苹果。先看看 AI 的分析和你的认知有多大重合再判断其分析框架的可靠性。3.2/investment-team多 Agent 并行研究效率倍增这是/investment-research的“增强版”。它不是顺序执行而是同时启动 4 个独立的 AI Agent分别从商业模式、财务估值、行业竞争、风险与管理层四个视角并行研究最后由一个“Team Lead”Agent 进行综合研判。使用方式/investment-team 美团为什么用这个深度和效率四个 Agent 同时搜索、分析相当于把研究时间压缩到原来的 1/4且信息覆盖更全面。视角碰撞输出结果会直接展示四个视角的独立评分可能互相矛盾让你更直观地看到一家公司的多维面貌。投资建议更具体它会直接给出针对“激进型”、“稳健型”、“保守型”投资者的不同操作建议和价格区间。输出示例简化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 - 商业模式 护城河 (段永平视角): ★★★★☆ - 财务 估值 (巴菲特视角): ★★★★☆ - 行业 竞争 (芒格视角): ★★★☆☆ (提示抖音入侵到店业务风险) - 风险 管理层 (李录视角): ★★★★☆ 综合评分3.8 / 5 投资建议 - 激进型当前价位可建仓30%价格区间 120-140港元 - 稳健型等回调至100-110港元建仓 - 保守型等待季报验证利润率趋势后再介入3.3/investment-checklist巴菲特式快速筛选10分钟决策当你面对一堆公司想快速判断哪家值得深入分析时就用这个。它模拟巴菲特买入前的六步检查清单。使用方式支持多公司对比/investment-checklist 腾讯, 阿里巴巴, 美团, 拼多多六关检查能力圈我能理解这门生意吗好生意经济特征如何利润率、资本回报率等护城河竞争优势深不深是否可持续管理层值得信任吗安全边际价格足够便宜吗决策纪律这个决定是理性的还是因为FOMO害怕错过核心特色“镜子测试”这是整个清单的灵魂。它要求你用5句话向“镜子里的自己”说清楚为什么买。如果5句话都说不完整、逻辑不自洽那就直接放弃。这个设计强制你进行最底层的逻辑梳理过滤掉所有“感觉不错”但经不起推敲的投资冲动。3.4/industry-funnel行业漏斗筛选从全市场到3家精选这是我最喜欢的技能之一。当你对一个新兴行业比如“AI算力”、“核电”感兴趣但不知道从何下手时它能帮你完成从“大海捞针”到“精准聚焦”的全过程。使用方式/industry-funnel AI算力它的工作流程全市场扫描自动抓取该主题下全球相关的上市公司约30-60家。价值投资硬指标粗筛用5条核心财务和业务指标如ROE、毛利率、负债率等快速过滤留下≤10家。精细分析对剩下的10家公司进行300-500字的初步分析。终选3家关键点来了它不是简单按分数排名选前3而是按“组合互补性”来选。通常会选一家高确定性龙头核心仓位、一家中等弹性细分冠军卫星仓位、一家高弹性潜在黑马期权仓位。这更符合构建投资组合的现实逻辑。输出推荐组合给出具体的仓位配置建议。实测案例用其分析“AI行业”它会并行分析AI算力、AI模型、AI应用、AI基建电力4个子赛道每个赛道输出3家终选公司。一个有趣的发现是AI应用层的最大赢家可能不是纯AI初创公司而是像微软、Adobe这样有深厚渠道、数据和用户工作流的老牌巨头。这个结论与互联网泡沫时期“卖铲子的比淘金的更赚钱”的历史规律相呼应显示了其分析的历史纵深。3.5/news-pulse股价异动快速归因应对市场噪音持仓股票突然大涨或大跌各种消息满天飞怎么办用这个技能10-15分钟给你一个快速归因。使用方式/news-pulse 腾讯或指定现象/news-pulse 拼多多 跌12% 一周内它做什么四维并行侦察同时扫描1公司自身事件财报、公告、2监管政策、3行业竞争对手动态、4市场情绪卖方报告、大V观点、资金流向。归因优先不是罗列所有新闻而是判断“哪个事件最配得上这次股价波动幅度”。强制性质判断将异动归因为“价值事件”基本面变化、“情绪波动”资金面、消息面、“真因不明”可能存在未公开信息或**“混合型”**。其中“真因不明”这个判断非常有价值它提示你可能存在内幕交易或市场尚未理解的信息。明确行动建议告诉你接下来该“触发深度研究”、“重审投资论文”、“仅观察”还是“无需行动”。与其他技能的区别/investment-research小时级的深度研究。/earnings-review聚焦财报。/thesis-tracker长期跟踪投资逻辑。/news-pulse专门用于股价异动时的快速10分钟情报响应帮你避免因恐慌或贪婪做出非理性决策。4. 落地实操关键配置、常见问题与避坑指南把技能跑起来只是第一步。要让它真正成为你的“副驾驶”还需要理解一些关键配置和可能遇到的坑。4.1 理解技能的组织架构与数据源AI Berkshire 的技能分为几大类你需要根据场景选用深度研究类(/investment-research,/investment-team等)用于深度分析单家公司。财报分析类(/earnings-review,/earnings-team)专注于解读原始财报不依赖二手观点。行业筛选类(/industry-research,/industry-funnel等)用于扫描和分析整个行业。持仓管理类(/portfolio-review,/thesis-tracker等)用于管理已有的投资组合。思维工具类(/dyp-ask,/financial-data等)提供一些辅助性的分析工具。关于数据源这些技能严重依赖网络搜索来获取最新的财务数据、新闻和行业信息。因此网络连接必须稳定搜索失败会导致分析中断或信息不全。信息质量取决于搜索对于A股或港股公司中文信息源更丰富分析可能更细致。对于某些海外小公司信息可能不全报告置信度会降低被标记为B级或C级。关键数据会交叉验证项目内置的tools/financial_rigor.py工具会尝试对市值等关键数据进行手算验证和多源比对这是其可靠性的重要保障。4.2 处理权限与工具调用确认这是使用 Claude Code 时最常见的“摩擦点”。由于 Skills 会调用搜索、计算等工具Claude Code 默认会对每次调用进行确认。现象运行一个技能时对话会频繁暂停弹出“是否允许执行XXX工具”的确认。影响严重打断分析流程体验很差。解决方案推荐信任模式启动如果你完全信任本项目且运行在安全环境中可以使用claude --dangerously-skip-permissions启动客户端。但务必谨慎这等于关闭了安全护栏。分批确认没有完美方案。你只能耐心点击确认。复杂的技能如/investment-team可能会触发数十次工具调用。Codex 用户根据材料Codex 的权限管理可能不同体验可能更流畅这取决于具体客户端的实现。4.3 输出结果的理解与二次加工AI Berkshire 的输出是结构化的报告但你不能把它当作“圣旨”。你需要做的是关注置信度评级报告开头的“信息丰富度评级”A/B/C非常重要。对于C级报告结论要高度存疑。审视“反共识检查”和“芒格逆向清单”这是报告中最有价值的部分之一。看看AI找出了哪些市场普遍忽略的风险。验证关键数据虽然它做了交叉验证但对于重仓决策我仍然建议你手动核对一下报告中的核心财务数据PE、营收、利润等尤其是单位是人民币、港币还是美元是“亿”还是“万”。理解“灰色地带”如果结论是“灰色地带”这本身就是一个强烈的信号——意味着在当前信息下无法做出明确判断“不知道”本身就是一种认知这比强行给出一个模糊的“建议持有”更有价值。结合你自己的认知这套框架是基于公开信息的分析。你是否了解行业的一些非公开“软信息”你的风险承受能力是否与报告建议的仓位匹配最终决策必须结合你自己的判断。4.4 性能、成本与适用边界耗时一个完整的/investment-team分析由于涉及多轮搜索和复杂计算可能需要5-15 分钟才能完成。这不是即时问答请保持耐心。成本这取决于你使用的 Claude Code 或 Codex 背后的 API 计费策略如果是付费版。每次分析都会消耗大量的 Token用于输入的长上下文和输出的长报告频繁使用可能产生可观费用。开始深度使用前请了解你客户端的计费方式。适用边界有效市场对于信息高度透明、分析师覆盖充分的大型上市公司如腾讯、苹果分析效果最好。早期公司/未上市公司对于信息稀缺的标的可使用/private-company-research结论的猜测成分会很大务必谨慎对待。量化与趋势交易这套框架纯粹是基本面价值投资框架不涉及任何技术分析、市场情绪或量化因子。它不帮你择时只帮你判断“标的是否好以及价格是否合适”。决策辅助而非决策替代它极大地提升了信息收集、整理和初步分析的效率但不能替代你最终的独立思考和责任承担。它是一位不知疲倦、知识渊博的研究助理但拍板的人必须是你自己。4.5 自定义与扩展的可能性项目是开源的这意味着你有很大的自定义空间。修改评分权重你可能觉得“管理层”的权重应该比“护城河”更高可以尝试修改对应 Skill 文件中的提示词Prompt。增加新的分析维度比如你想加入“ESG环境、社会、治理”分析可以参照现有 Skill 的结构创建一个新的 Agent。接入本地数据源如果你有 Wind、Bloomberg 等专业金融终端的 API可以修改工具调用部分让 AI 直接查询更精确、更及时的数据。回测系统项目提到了“未来方向”包括历史回测。你可以尝试将 AI 生成的“买入/卖出”建议与历史股价进行比对检验其有效性当然需注意幸存者偏差。最后一点建议不要一开始就试图用这个框架管理你的全部身家。先从模拟盘或极小仓位的实盘开始用它对几家你熟悉的公司进行分析观察其结论的合理性和稳定性。同时用它来辅助你阅读财报和研报作为一个强大的“提问机器”和“信息整合器”。当你真正理解并信任其工作逻辑后再逐步加大其在你投资决策中的权重。记住工具的价值在于赋能思考而非取代思考。 30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度