1. 先搞清楚 AI Berkshire 到底解决什么问题以及它和普通 AI 聊天的区别如果你用过 Claude 或 ChatGPT 分析股票大概率会得到一个“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。这种回答看起来都对但没法用来做投资决策因为它缺乏结构、深度和可执行的结论。AI Berkshire解决的就是这个问题。它不是一个简单的提示词合集而是一个基于Claude Code或Codex的、系统化的价值投资研究框架。它的核心价值在于将巴菲特、芒格、段永平、李录四位投资大师的方法论结构化地“翻译”成了 AI Agent 可以执行的、可复现的研究流程。简单说它让你从“和 AI 聊天”升级到“指挥一个 AI 投研团队”。这个团队内部有分工、有对抗、有校验最终产出的不是一篇散文而是一份带有明确结论通过/不通过/灰色地带、价格区间和分层建议的投研报告。最值得关注的点有三个强制输出结论不打太极普通 AI 会给你模棱两可的分析AI Berkshire 会强制输出“买/不买/观望”并给出对应的价格区间和仓位建议。多 Agent 对抗分析而非单一视角不是用一个大师的视角看问题而是让四个“AI 分析师”分别代表四位大师并行研究、互相挑战最后综合结论。这能有效避免单一视角的盲点。金融数据严谨性它内置了 Python 工具来精确计算市值、PE 等关键指标并进行多源交叉验证避免了 LLM “心算”常犯的单位混淆、小数点错误等低级但致命的问题。所以它适合两类人一是对价值投资感兴趣但缺乏系统研究方法的个人投资者二是希望用 AI 提升研究效率但苦于现有工具输出质量不稳定的从业者。如果你只是想问“XX股票明天涨不涨”那它不适合你。它的目标是帮你做深度、可复现的基本面研究。2. 环境准备与安装Claude Code 还是 Codex在动手安装 AI Berkshire 的技能Skills之前你需要先有一个能运行它的“大脑”也就是Claude Code或Codex客户端。这是两个不同的东西选择哪一个取决于你的使用习惯和访问条件。2.1 客户端选择与安装Claude Code是 Anthropic 官方推出的命令行 AI 编程助手。它的交互更偏向开发者在终端里通过自然语言对话来编写、解释和调试代码。AI Berkshire 最初就是为它设计的。Codex是 OpenAI 推出的一个类似的产品也是一个命令行 AI 助手。AI Berkshire 也提供了对它的兼容支持。我的建议是优先选择你已有账号且网络访问稳定的那个平台。两者的核心功能运行 AI Berkshire Skills在体验上大同小异。安装 Claude Codenpm install -g anthropic-ai/claude-code安装后在终端输入claude即可启动。首次使用需要配置 API 密钥。安装 CodexmacOS/Linux 用户通常用 curl 安装curl -fsSL https://chatgpt.com/codex/install.sh | sh或者用 npmnpm install -g openai/codexWindows 用户可以使用 PowerShell 命令安装。安装后在终端输入codex启动并配置 API 密钥。验证安装安装完成后在终端运行claude --version或codex --version能正常输出版本号就说明基础环境 OK。2.2 一个重要设置关于工具调用权限当你运行 AI Berkshire 的 Skills 时它们会频繁调用网络搜索、文件读写、Python 计算等工具。Claude Code 默认会对每一次工具调用都进行交互式确认这会严重打断研究流程。如果你在可信的环境比如你自己的电脑中使用并且信任 AI Berkshire 的代码可以启动跳过权限确认模式来获得流畅体验claude --dangerously-skip-permissions注意这个命令会关闭 Claude Code 的工具审批保护机制。请确保你理解并信任你将要运行的命令和工作目录。Codex 通常没有这么严格的权限确认流程会更顺畅一些。2.3 安装 AI Berkshire Skills这是核心步骤。Skills 就是 AI Berkshire 框架提供的各种研究“技能包”比如深度研究、财报分析、行业筛选等。克隆仓库首先把项目代码拉到本地。git clone https://github.com/xbtlin/ai-berkshire.git cd ai-berkshire根据你的客户端安装 Skills如果你是 Claude Code 用户./scripts/install-claude-commands.sh这个脚本会把 Skills 复制到 Claude Code 的全局命令目录。安装后在 Claude Code 会话中直接输入/就能看到所有可用的命令比如/investment-research。如果你是 Codex 用户./scripts/install-codex-skills.sh这个脚本会把 Skills 安装到~/.codex/skills目录。安装后需要重启你的 Codex 客户端新的 Skills 才会生效。可选如果你希望获得类似 Claude Code 那种以/开头的快捷体验可以再运行./scripts/install-codex-prompts.sh这会在 Codex 的/菜单里添加一些自定义提示词。安装完成后你的 AI 助手就“装备”上了这套价值投资研究框架。接下来就是实际使用了。3. 核心技能实战从单公司研究到行业筛选AI Berkshire 提供了 18 个 Skills覆盖深度研究、财报分析、行业筛选、持仓管理和思维工具。不要一上来就全部尝试我建议从最核心、最能体现其价值的几个开始。3.1 单公司深度研究/investment-research这是最基础的技能用于对一家上市公司进行全方位的深度分析。它会按七个模块顺序执行数据收集、生意本质分析段永平视角、护城河分析巴菲特视角、逆向思考芒格视角、管理层评估、文明趋势李录视角最后是估值与安全边际。如何使用在 Claude Code 中直接输入/investment-research 腾讯或者在 Codex 中如果安装了 prompts输入/prompts:investment-research 腾讯如果没装 prompts就在 Codex 里用自然语言描述任务比如“使用 investment-research 技能研究腾讯”。你会得到什么一份结构化的报告而不是一段聊天记录。报告末尾会有一个“综合决策备忘录”表格对生意质量、护城河、管理层、风险、趋势、估值六个维度进行五星评分并给出综合结论和投资建议。关键价值点信息丰富度评级报告开头会对研究标的的信息透明度评级A/B/C防止你被“资料多确定性高”的幻觉欺骗。比如研究一家数据很少的初创公司它会明确告诉你这是 C 级信息结论置信度较低。镜子测试这是巴菲特和段永平都强调的原则。报告会要求你用 5 句话向自己解释为什么买。如果说不清楚就直接否决。AI 会帮你生成这个“镜子测试”陈述。三情景估值不是给一个单一目标价而是给出乐观、中性、悲观三种情景下的估值区间让你对安全边际有更立体的认识。3.2 多 Agent 团队研究/investment-team这是 AI Berkshire 的精华。它不再是单个 AI 思考而是同时启动4 个独立的 AI Agent分别从商业模式段永平、财务估值巴菲特、行业竞争芒格、风险与管理层李录四个视角并行研究同一家公司。如何使用/investment-team 美团与单技能研究的区别深度和广度倍增四个 Agent 会各自进行网络搜索、数据验证相当于四个分析师同时工作信息覆盖更全。视角对抗最终报告会清晰展示四个视角的评分和核心判断。你可能会看到“巴菲特视角”认为估值很便宜4.4/5但“李录视角”认为长期确定性不足2.0/5。这种冲突恰恰是真实投资决策中需要权衡的地方单一 AI 分析很难产生这种张力。效率虽然消耗的 Token 更多但因为是并行总时间可能比你自己一个个问题问要短且结论更结构化。输出示例报告会汇总四个 Agent 的发现给出一句话结论、四维评分总表以及针对激进、稳健、保守不同策略的具体操作建议和价格区间。这才是能直接指导操作的分析。3.3 快速筛查/investment-checklist当你面对一堆公司想快速判断哪家值得深入时就用这个。它模拟巴菲特买入前的六层筛选漏斗能力圈我能理解吗好生意经济特征如何护城河竞争优势深不深管理层值得信任吗安全边际价格便宜吗决策纪律是理性还是 FOMO如何使用支持多公司对比/investment-checklist 腾讯, 阿里巴巴, 美团, 拼多多它的优势速度快10分钟左右就能对多家公司完成初筛。结论明确每家公司都会有一个明确的“通过”、“有条件通过”或“不通过”的结论并附上在每一关的简要评价。强制纪律它内置了“快速否决清单”比如管理层诚信有污点、业务模式无法理解等触线即一票否决避免在烂生意上浪费时间。3.4 行业漏斗筛选/industry-funnel当你对一个行业感兴趣比如“AI算力”、“新能源车”但不知道具体该看哪几家公司时这个技能非常有用。它执行一个逐层收敛的筛选流程全市场扫描抓取该主题下活跃度、涨幅、市值靠前的公司约30-60家。价值投资硬指标粗筛用5条核心价值指标如ROE、毛利率、负债率等过滤剩下≤10家。精细分析对剩下的公司进行简要分析300-500字。终选3家不是简单按分数排名而是按“组合互补性”选出3家例如一家高确定性龙头、一家中等弹性选手、一家高弹性黑马。输出推荐组合给出核心、卫星、期权的仓位建议。如何使用/industry-funnel AI算力与/industry-research的区别industry-research更像一份行业全景图按产业链上下游切片分析每个环节的机遇。industry-funnel更像一个“选股漏斗”目标是从茫茫股海中帮你聚焦到最值得深入研究的少数几只个股上。它的输出更直接就是“买哪几个”以及“为什么是它们”。4. 让研究落地数据严谨、流程可复现与实战边界AI 做金融研究最怕两件事一是数据算错二是每次输出都不一样、无法比较。AI Berkshire 在这两点上做了大量工程化工作。4.1 金融数据严谨性工具LLM 不擅长精确计算。让它算 PE它可能把港币和人民币单位搞混或者小数点位错一位。AI Berkshire 的解决方案是关键计算全部交给 Python 工具。项目里有一个tools/financial_rigor.py脚本专门处理这类问题。例如进行市值验算python3 tools/financial_rigor.py verify-market-cap \ --price 510 \ --shares 9.11e9 \ --reported 4.65e12 \ --currency HKD这个命令会用“股价 × 总股本”重新计算市值并与报告中的市值对比如果偏差超过阈值就会告警。所有计算都使用 Python 的decimal.Decimal进行精确十进制运算避免浮点数误差。在 Skills 执行过程中这些工具会被自动调用对获取到的财务数据进行交叉验证。这意味着你最终报告里的估值数字不是 AI “随口一说”而是经过程序校验的。这是从“聊天”走向“研究”的关键一步。4.2 可复现的研究流程直接问 AI“分析一下腾讯”今天它可能重点讲游戏明天可能重点讲金融科技输出格式和深度都不稳定。这导致你无法进行横向公司对比也无法跟踪同一家公司随时间的变化。AI Berkshire 的每一个 Skill 都是一个标准化的研究流程。只要输入公司名和必要的参数如财报期输出的报告结构、分析维度、评分标准都是完全一致的。这带来了两个巨大好处横向可比你可以用/investment-checklist一次性分析 7 家公司得到的评分表格是同一套标准下的结果可以直接对比茅台、腾讯、英伟达的优劣。纵向可追踪半年后你用同样的 Skill 再次分析腾讯得到的新报告可以直接和半年前的对比清晰地看到哪些维度发生了变化例如护城河评分下降、估值区间上移等。4.3 实战中的边界与注意事项虽然框架强大但把它用好的关键在于理解它的边界。第一它不是预测股价的“水晶球”。它的核心是基本面研究和决策纪律。它帮你搞清楚一家公司是不是好生意、有没有护城河、价格便不便宜、风险在哪里。至于明天股价涨还是跌它不回答也回答不了。那些展示的实盘收益是方法论在特定市场环境下的结果不代表未来。第二Garbage in, garbage out垃圾进垃圾出。AI 的分析质量极度依赖输入信息的质量。虽然 Skills 会主动进行网络搜索但对于一些冷门、非公开或高度专业的信息AI 可能找不到或理解有偏差。对于关键数据尤其是未上市公司的数据你需要保持警惕最好能手动进行二次核实。第三它消耗的 Token 不少尤其是多 Agent 任务。一次完整的/investment-team分析因为涉及多个 Agent 并行搜索和长文输出Token 消耗可能是普通对话的数十倍。请确保你的 API 配额和预算充足。对于初步筛查可以先用/investment-checklist这种轻量级技能。第四最终决策权在你。AI Berkshire 提供了结构化的分析、多维度的评分和明确的建议但它只是一个“超级研究员”。是否采纳、何时买入、买多少这些真正的投资决策必须由你自己做出并为你自己的资金负责。框架里反复强调的“镜子测试”就是让你自己把逻辑想通。第五关于“安装失败”或“Skill 不生效”。90% 的问题出在环境上。Claude Code 用户确保用--dangerously-skip-permissions模式启动否则每一步工具调用都要你手动确认。Codex 用户安装 Skills 后一定要重启 Codex 客户端。Codex 是在启动时加载 Skills 目录的。路径问题安装脚本假设你的~/.codex或 Claude Code 命令目录是标准的。如果自定义过可能需要手动调整脚本或复制文件。网络问题Skills 会调用网络搜索请确保你的 API 有网络搜索权限且网络连接通畅。5. 从使用到理解设计理念与高级应用当你熟练使用几个核心 Skill 后可以更进一步去理解它背后的设计理念甚至进行一些自定义让它更贴合你的需求。5.1 四大师方法论是如何融合与对抗的AI Berkshire 不是把四位大师的观点简单并列。它的设计精髓在于制造有益的思维冲突。段永平商业模式问“这是不是一门好生意用户是不是真的需要它”巴菲特护城河与估值问“它的竞争优势够不够深、够不够久现在价格够不够便宜”芒格逆向思考问“反过来想这家公司可能会怎么死我们在哪些地方可能错了”李录文明趋势问“它所在的行业是处于一个长期的上升通道还是可能被新技术颠覆”当你运行/investment-team时这四个“AI 分析师”会各自带着这些问题去研究。最终的报告会呈现他们各自的答案和评分。可能巴菲特给了高分因为便宜但李录给了低分因为长期不确定性高。这种冲突不是 Bug而是Feature。它强迫你思考不同维度的权衡而不是得到一个和稀泥的“整体看好”结论。5.2 如何利用框架进行持仓管理和事件跟踪除了研究新公司AI Berkshire 对已有持仓的管理也提供了工具。/portfolio-review组合管理与优化输入你的持仓比例如“腾讯30%美团20%茅台20%现金30%”它会分析你的组合集中度、行业分布、整体估值并给出再平衡建议。帮你从“研究单个公司”上升到“管理一个投资组合”的层面。/thesis-tracker投资论文追踪买入一家公司时你必然有一个“投资逻辑”例如看好其云业务增长。这个 Skill 帮你定期比如每季度回顾这个逻辑是否依然成立有没有被证伪的迹象。这是对抗“禀赋效应”因为持有而爱上它和“确认偏误”只找支持自己的信息的纪律工具。/news-pulse股价异动快速归因当持仓股票突然大涨或大跌时人容易恐慌或兴奋。这个 Skill 能在 10-15 分钟内快速扫描公司事件、行业政策、市场情绪等信息判断这次波动主要是由“价值事件”、“情绪波动”还是“原因不明”驱动的并给出“是否需要深度研究”或“仅观察”的行动建议。避免你因为一篇小作文就匆忙操作。5.3 自定义与扩展的可能性AI Berkshire 的 Skills 本质上是结构化的提示词Prompt和工具调用流程。它的代码和 Skill 源文件在skills/目录下是开放的。如果你对某个大师的方法论有特别深的理解或者你想加入自己的筛选指标比如你对现金流有特殊要求你可以去修改对应的 Skill 文件。例如在/investment-checklist里加入你自己的“第七关”。更高级的用法是参考它的多 Agent 协作框架构建你自己的研究流程。比如你可以创建一个专注于“科技股成长性分析”的团队里面的 Agent 分别负责分析 TAM总可寻址市场、竞争格局、研发效率和估值模型。最后也是最重要的提醒这个框架是一个强大的“思维脚手架”和“研究助理”它能极大提升你获取信息、处理信息、结构化思考的效率。但它不能替代你的独立判断和持续学习。真正的价值投资功夫在诗外在于你对商业的深刻理解、对人性的洞察以及对自己的控制。AI Berkshire 帮你把“研究”这部分做得更扎实、更纪律严明而最终的“决策”和“等待”依然是你自己的修行。