GitHub 仓库

xbtlin/ai-berkshire

Python 首次收录 2026-04-07 更新于 2026-07-16 查看源 ↗

GitHub 仓库 中按Star排名第 181 / 共 783

13.2k Star

AI 时代的伯克希尔:基于 Claude Code / Codex 的价值投资研究框架。巴菲特·芒格·段永平·李录四大师方法论 + 多Agent并行研究。| AI-era Berkshire: a value investing research framework built for Claude Code / Codex. 4 masters' methodologies + multi-agent adversarial analysis.

项目介绍

"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 是一套同时兼容 Claude Code 与 Codex 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。

📮 仓库是全量框架,公众号是精选。 真正值得深研的公司,加上报告之外我自己的判断与取舍,都在微信公众号「复利炼丹炉」——扫码关注 ↓

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。

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:

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:

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。

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:…

摘自 github.com/xbtlin/ai-berkshire

最新指标

Star 13.2k 2026-07-16
Fork 1.9k 2026-07-16
提交 1.3k 2026-07-16
发布 1 2026-07-16
Watcher 116 2026-07-16
开放 issue 13 2026-07-16
开放 PR 8 2026-07-16