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

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。

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：

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

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"。

Skills 一览

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://raw.githubusercontent.com/Hugoistaske/ai-berkshire/main/reports/海尔智家-deepseek分析/ai-berkshire-1.4-alpha.5.zip

# 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：

/investment-research 腾讯
/investment-checklist 茅台, 英伟达, 苹果
/industry-research 核电
/investment-team 美团
/private-company-research SpaceX

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。"

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

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：

1. 这门生意的本质是社交网络+数字内容平台，我理解它；
2. 它的护城河是12亿用户的社交关系链，而且在变宽；
3. 管理层Pony Ma低调务实、资本配置优秀，值得信赖；
4. 当前价格相当于内在价值的8折，有一定安全边际；
5. 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

5. /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

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。

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)

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

• 四大师综合分析框架
• 多Agent并行投研团队
• 巴菲特买入前 Checklist
• 产业链全景扫描
• 未上市公司研究框架
• 金融严谨性工具（精确算术、市值验算、多源交叉验证、Benford定律检测）
• 港股/A股/美股财报自动解读
• 投资组合跟踪与再平衡
• 历史回测：AI研报 vs 实际股价表现
• 宏观经济周期分析框架
• 基于MCP的实时数据接入（Wind/Bloomberg/Yahoo Finance）

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。