你当然可以直接问 Claude：「帮我分析腾讯值不值得买」。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，但拿来做决策基本没用。AI Berkshire 想解决的正不是「能不能分析」，而是「分析质量和决策纪律」——它把巴菲特、芒格、段永平、李录四位价值投资大师的方法论，拆成一套能装进 Claude Code 和 Codex 的投研 Skill 合集。
这个项目现在 1.66 万 Star，主体是 HTML 写的开源框架，MIT 协议。它不是给小白看的热门科普，而是一套给「会写 prompt、会用编码智能体」的人准备的严肃投研工具箱。
是什么
AI Berkshire 是一套同时兼容 Claude Code 与 Codex 的投资研究 Skill 合集，把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。它最响亮的一句定位是：「一个人 + Claude Code / Codex = 一个投研团队」。
框架分三层：Skill 层把「你要做什么」抽象成 20 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）；Agent 层让 Team Lead 并行调度 4 个大师视角 Agent，各自独立搜索、独立判断、互相挑战；工具层保证精确计算、实时检索、报告抽检，让每份报告的数据严谨可验证。
AI Berkshire 仓库主页：16.6K Star，最新 v1.0.0
核心优势
四大师视角真实对抗，而不是单一 prompt 粉饰。它不是「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。比如分析拼多多：段永平从商业模式给 3.7/5，巴菲特从估值给 4.4/5，芒格从逆向思考给 3.5/5，李录从长期确定性只给 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 造不出来。
强制给结论，不打太极。直接问 AI，你得到两面讨好的「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，还内置「镜子测试」：5 句话说不完整 = 不买，没有例外。
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，就可能误导决策。框架所有计算用 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，配套 financial_rigor.py 能直接验算市值、估值、Benford 定律异常。
多 Agent 并行 = 研究深度倍增。/investment-team 启动 4 个独立 Agent 同时研究一家公司，各自搜索、交叉验证、独立给结论，等于 4 倍搜索量、4 倍信息源、4 个独立视角——不是把一个 prompt 拆四段。
Releases 页：v1.0.0
怎么装、怎么用
它是给 Claude Code / Codex 用的 Skill 合集，装上后通过斜杠命令调用。最常用的几个：/investment-research 做单公司四大师综合深度分析（数据收集 → 生意本质 → 护城河 → 逆向思考 → 管理层 → 文明趋势 → 估值与安全边际）；/investment-team 拉起 4 个 Agent 并行投研，最快速最全面；/investment-checklist 是巴菲特买入前六关快速筛选，10 分钟决定一家公司值不值得深入；/industry-funnel 从全市场逐层精选到 3 家；/news-pulse 在股价异动时 10 分钟快速归因。
20 个 Skill 覆盖了从深度研究、财报精读、产业链扫描、行业漏斗筛选，到持仓管理（组合优化、论文追踪、异动归因）和思维工具（段永平式问答、财务数据交叉验证规范）。对 Claude Code 用户，还能搭配客户端内置的 /deep-research 在跑个股 skill 前先做独立事实核查。
不是没有槽点
它不替你做决策，也不承诺收益。框架主页明写：2024 全年 +69.29%、2025 全年 +66.38%（富途真实账户），连续两年跑赢全球主要指数——但这是作者的实盘业绩，历史收益不代表未来。它给的是纪律和方法，不是买卖点。
门槛不低。你得既懂一点投资，又会摆弄 Claude Code / Codex 这类工具。对纯小白，20 个 Skill 的调用方式和投研术语本身就是学习成本。
结论质量取决于你喂的数据和约束。它是把大师方法论结构化的「思考框架」，不是自动印钞机。垃圾输入、错误假设，它一样会给你一份看起来很专业的错误报告——所以框架才反复强调「多源交叉验证」和「留白原则（宁可说不知道）」。
跟同类怎么比
直接问 ChatGPT 做投资分析，得到的是平衡话术；市面上多数「AI 投研」产品也是生成一篇报告而已。AI Berkshire 的差异在「决策纪律 + 多视角对抗 + 数据严谨 + 可复现」：同样的输入永远得到结构一致、深度一致的输出，7 家公司能用同一套 Checklist 横向对比，同一家公司半年后重做能直接对比变化。
一句话：如果你会用 Claude Code / Codex，又想让自己的投资研究摆脱「一方面另一方面」的废话、真正落到可执行的判断上，这套四位大师方法论框架，是目前把「AI + 价值投资」做得最认真的开源项目之一。
GitHub：xbtlin/ai-berkshire
你平时做投资研究时，最头疼的是「搜集不到交叉验证的数据」，还是「结论总是模棱两可下不了决心」？