源码系统概览
AI Berkshire 是一套跑在 Claude Code 与 Codex 上的价值投资研究框架，把四位大师的方法论做成 20 个 Skill 入口。
文章正文
AI Berkshire 源码免费下载，它的定位很直接，一个人加 Claude Code 或 Codex 就等于一支投研团队。
直接问 AI 一家公司值不值得买，得到的回答往往含糊，这个框架要解决的就是这个问题，它输出的是带价格区间、带仓位建议、带明确结论的决策报告。
框架把巴菲特、芒格、段永平、李录四位大师的方法论系统化，拆成 20 个可调用的 Skill，覆盖研究、对比、财报复查、持仓管理全流程。
技术架构与部署指南
源码简介
仓库同时维护 skills 与 codex-skills 两套格式，Claude Code 和 Codex 都能直接装，核心命令包括 investment-team、investment-research、earnings-review、portfolio-review、investment-checklist 与 deep-company-series。
tools 目录提供 financial_rigor.py、stock_screener、momentum_backtest 等 Python 工具，负责精确计算与数据校验。
reports 目录沉淀了两千多个研究文件，覆盖茅台、小米、拼多多、搜狐、阿里巴巴十年利润推演、净现金折价股全市场扫描等真实案例。
作者公开的实盘记录显示 2024 年收益 69.29%、2025 年收益 66.38%，两年累计收益超过 146 万元，这是真金白银跑出来的验证。
适用场景
个人投资者面对几百只股票不知从哪下手时，用 investment-research 对候选公司做四大师综合评估，能筛掉大部分伪机会。
投研分析师写一家公司深度报告要几天，用 investment-team 让四个 Agent 并行收集数据、交叉验证，研究周期能压到几小时。
持仓管理者每到财报季用 earnings-review 精读原始财报，配合镜子测试检查持仓逻辑是否还成立。
价值投资学习者可以用 deep-company-series 生成十几万字的长文，顺着大师的思路走一遍完整分析路径。
| 维度 | 本套源码 | 同类通用方案 |
|---|---|---|
| 技术栈 | 框架主体是 Claude Code 与 Codex 兼容的 Skill 集合，以 Markdown 命令和提示词模板组织 | 依具体方案选型，需自行搭建与维护 |
| 部署方式 | 先把仓库克隆到本地，再把 skills 或 codex-skills 目录放进对应智能体的技能目录。 | 多托管于第三方平台或订阅云服务 |
| 功能侧重 | investment-team 会并行调度四个独立 Agent，分别模拟巴菲特、芒格、段永平、李录的视角，让他们互相挑战 | 功能通用，定制深度有限 |
| 数据归属 | 数据自持，部署在自有服务器，不出站 | 数据通常留存于服务商侧 |
| 成本模式 | 获取后自主部署，无持续授权费用 | 通常按订阅或调用量计费 |
技术栈与运行环境
框架主体是 Claude Code 与 Codex 兼容的 Skill 集合，以 Markdown 命令和提示词模板组织，运行时依赖对应编码智能体。
数据与计算层使用 Python，financial_rigor.py 用 decimal.Decimal 做精确算术，避免大模型心算把港币算成人民币。
研究报告覆盖 A 股、港股与美股三地市场，数据来自公开渠道与脚本抓取。
功能亮点
investment-team 会并行调度四个独立 Agent，分别模拟巴菲特、芒格、段永平、李录的视角，让他们互相挑战、交叉验证。
每个标的强制输出三档结论，通过、不通过或灰色地带，附价格区间与分层仓位建议，八条快速否决红线一票否决，不打太极。
框架内置信息丰富度评级，A、B、C 三档，配合芒格式逆向检验和反共识检查，防止资料越多确定性越高的错觉。
所有计算走 Python decimal.Decimal，市值手算校验工具交叉验证，报告数字经得起核对。
研究流程可复现，七家公司同一标准打分横向对比，同一家公司半年后再分析直接比对变化，团队结果完全对齐。
安装与部署提示
先把仓库克隆到本地，再把 skills 或 codex-skills 目录放进对应智能体的技能目录。
之后在会话里用斜杠命令调用，比如输入 investment-team 后跟上要研究的公司名或代码。
第一次跑研究前建议先看 reports 目录里的示例，照着现成报告的流程走一遍就能上手。
截图与演示说明
仓库 assets 目录放了两张实盘收益截图，分别对应 2024 全年与 2025 全年的收益率曲线。
另外还有一张微信公众号复利炼丹炉的二维码，作者把精选研究与报告之外的判断放在公众号更新。
下面依次是三张截图。
常见问题
问运行这个框架需要什么环境。
需要 Claude Code 或 Codex，装上对应编码智能体后把技能目录配置好就能用。
问输出结果算投资建议吗。
不算，仓库内所有报告都自带免责声明，仅供研究参考，据此操作风险自担。
问作者的收益能复制吗。
实盘记录是作者本人的结果，过往收益不代表未来表现，市场风险永远存在。
问覆盖哪些市场。
A 股、港股、美股都有研究报告，工具脚本也按三地市场分别实现。
安全风险提示
源码扫描未发现后门、混淆或硬编码凭据，代码中的 eval 调用位于 financial_rigor.py，带字符白名单与空内置沙箱，只用于算术表达式求值。
AI 研究报告基于公开信息搜索生成，存在数据滞后与理解偏差的可能，仓库内报告也明确标注了研究局限性。
框架仅提供研究工具，不构成投资建议，任何投资决策请自行判断并控制风险。
下载说明
本源码仅供学习研究、测试部署和二次开发参考，下载后请遵守 MIT 开源协议并保留版权声明。
研究框架的结论依赖数据质量与模型能力，请勿把输出直接当作实盘依据。
GitHub项目开源地址：https://github.com/xbtlin/ai-berkshire