项目介绍
AI Berkshire 是一套把价值投资研究步骤封装为 Agent Skills 的开源合集。它为 Claude Code 和 Codex 分别提供可安装入口，覆盖公司深研、财报精读、行业筛选、投资清单、组合复盘、投资论文跟踪和财经写作。团队型 Skills 会让多个 Agent 从不同方法论角度并行研究，再由主流程综合；配套 Python 工具用于市值、估值和多来源数据校验。它适合已经使用 AI 编程 Agent、希望把投研过程做得更结构化的人，而不是自动交易或收益保证服务。
核心功能
结构化公司与行业研究
通过 investment-research、industry-research、industry-funnel 等入口组织商业模式、护城河、管理层、行业、风险和估值分析。
多 Agent 对抗分析
investment-team 和 earnings-team 等团队型流程并行调度多个研究视角，再综合冲突、风险与结论。
财务精确计算与交叉验证
financial_rigor.py 提供市值、估值、跨来源数据、三情景和精确表达式计算，减少 LLM 心算与单位错误。
报告数据抽检
report_audit.py 从研究报告抽取数据点并生成核验判决，帮助在发布前发现偏差。
安装与使用
克隆仓库后运行与宿主匹配的安装脚本；Codex 脚本会同步生成 Skills 并复制到用户的 Codex Skills 目录。
让 AI Agent 帮你安装
把这段话发送给 Codex、Claude Code 或其他可以操作本地环境的 AI Agent。
请帮我安装 AI Berkshire。项目地址：https://github.com/xbtlin/ai-berkshire。先阅读 README.md、README_EN.md、LICENSE、SECURITY.md 和 scripts 下与当前系统及宿主匹配的安装脚本。确认我使用的是 Claude Code 还是 Codex，再克隆仓库并运行对应的官方安装脚本；不要同时安装不需要的入口。安装后重启或提示我重启宿主，用 investment-checklist 做一个只列研究问题、不提供交易建议的最小验证。遇到创建或覆盖 ~/.codex/skills、~/.claude/commands、执行脚本、访问网络、读取持仓或报告、写入工作目录、启动多个 Agent、请求凭据或额外权限时，先向我确认。- Git 与 Python 3
- 已安装并可启动的 Claude Code 或 Codex
- 用户级 Skills 或 commands 目录写权限
- 研究任务所需的网络访问、模型额度与本地工作目录
项目地址：https://github.com/xbtlin/ai-berkshire
复制地址并按照下方步骤完成设置。- 1确认宿主并克隆仓库
确认使用 Claude Code 或 Codex，然后执行 README 中的 `git clone https://github.com/xbtlin/ai-berkshire.git` 并进入仓库目录。
- 2运行对应安装脚本
Windows Codex 用户运行 `.\scripts\install-codex-skills.bat`；macOS 或 Linux 运行 `./scripts/install-codex-skills.sh`。Claude Code 用户改用同名 commands 安装脚本。
- 3重启宿主并做最小验证
重启 Codex 或 Claude Code，再以 investment-checklist 发起低风险测试，确认 Skill 被识别并输出结构化研究问题。
- 4从低成本入口逐步扩展
先用 quality-screen、news-pulse 或 investment-checklist 初筛；只有结果值得继续时，再运行 investment-research 或 investment-team。
重启宿主后发起最小任务：`使用 investment-checklist 分析一家你熟悉的公司，只列出需要补充的数据，不给买卖建议`。若宿主识别该 Skill，并按六关框架列出问题与证据要求，即说明入口已加载；这不代表金融结论已验证。
- Windows Codex 安装脚本会删除并重建目标中的同名 Skill 目录，执行前应检查已有自定义修改。
- Codex slash prompts 是可选入口，不是运行 Skills 的必要条件。
- 研究输出必须再次核对一手财报、日期、币种和单位；不要把示例收益或模型结论视为保证。
使用场景
上市公司深度研究
按商业模式、护城河、管理层、行业趋势、风险与估值形成结构一致的研究备忘录。
财报精读与数据核验
读取公司原始财报，交叉验证关键数字，并使用 Python 工具复核市值和估值计算。
行业漏斗和公司初筛
把广泛行业候选缩小到少量值得深研的公司，并记录排除理由。
持仓与投资论文复盘
检查组合集中度、再平衡条件和投资论文是否因新事实发生漂移。
使用评价
根据 README、Codex Skill 目录、安装脚本、工具源码和安全策略判断，AI Berkshire 的优势是把投研问题拆成清晰入口，并把交叉验证、精确计算、反面论证和抽检写进流程。它的主要代价是深度任务消耗高，而且最终质量依赖数据来源、模型能力与用户复核。此评价来自公开材料阅读，不代表 AgentMatter 已复现仓库示例收益或验证任何投资建议。
值得一试的地方
- 20 个 Skills 覆盖从初筛到深研、财报和持仓复盘的完整链条
- 同时维护 Claude Code 与 Codex 安装形态
- 提供 Python 精确计算、数据交叉验证和报告抽检工具
使用前要知道
- 多 Agent 深研会显著增加 token、时间和网络调用
- 安装脚本可能覆盖同名 Skills，需先检查目标目录
- 任何投资结论仍需用户独立尽调，项目不提供收益保证
README
AI Berkshire
Overview
AI Berkshire 把价值投资研究拆成 20 个可调用 Skills，覆盖公司深研、财报分析、行业筛选、组合复盘与数据校验，并为 Claude Code 和 Codex 提供独立安装入口。 AI 时代的伯克希尔：基于 Claude Code / Codex 的价值投资研究框架。
Getting started
- 克隆仓库后运行与宿主匹配的安装脚本；Codex 脚本会同步生成 Skills 并复制到用户的 Codex Skills 目录。
- 仓库把投研入口分成深度研究、财报分析、行业筛选、持仓管理和思维工具五组，共 20 个 Skills。
- 同一套 canonical workflow 被同步为 Claude Code commands、Codex Skills 和可选 Codex slash prompts。
- 重启宿主后发起最小任务：`使用 investment-checklist 分析一家你熟悉的公司，只列出需要补充的数据，不给买卖建议`。若宿主识别该 Skill，并按六关框架列出问题与证据要求，即说明入口已加载；这不代表金融结论已验证。
Configuration
项目地址：https://github.com/xbtlin/ai-berkshire
复制地址并按照下方步骤完成设置。