月榜当前未记录
历史最佳#10最近排名#18
当前未进入本站记录范围
- 记录天数
- 2 天
- 记录期 Star
- +167
@xbtlin
ai-berkshire
xbtlin/ai-berkshireAI 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.
STARS14,891
FORKS2,131
ISSUES25
LANGUAGEPython
HISTORICAL INTELLIGENCE
历史情报摘要
月榜历史趋势
2026-07-27 至 2026-07-28，掉榜日期保留为空缺。
排名，数字越小越靠前
VERIFIABLE HEALTH SIGNALS
项目健康证据
维护、响应、交付与采用风险分开观察，不生成虚假的单一总分。MAINTENANCE
核对提交维护活性
- 近 90 天 Commit
- ≥300 已采集下限
- 活跃贡献者
- ≥13 按公开提交账号去重
- 近 12 月活跃月份
- 3/12 基于已采集提交
RESPONSE
核对样本社区响应
- Issue 关闭率
- 56% 24/43 个同期新 Issue
- Issue 关闭中位数
- 4.9 天 仅统计已关闭样本
- PR 合并率
- 33% 13/40 个同期新 PR
- PR 合并中位数
- 7.7 小时 仅统计已合并样本
DELIVERY
核对发布持续交付
- 近 12 月正式 Release
- 1 排除草稿与预发布
- 最近正式 Release
- 2026-04-07 以公开发布时间为准
- 发布间隔中位数
- 样本不足 至少两次正式发布才计算
ADOPTION
查看仓库采用风险
- 仓库状态
- 正常开放 未发现归档标记
- 开源协议
- MIT 仍需核对完整协议与依赖
- Security Policy
- 未发现 仅检查 GitHub 社区资料
AI-ASSISTED PROJECT BRIEF
项目定位与辅助解读
AI 解读仅作初评参考，技术落地请以 GitHub 源码、README 和完整协议为准。
项目资料AI 整理
基于 Claude Code/Codex 的价值投资研究框架，整合巴菲特、芒格、段永平、李录四位大师方法论，提供 20 个结构化技能，支持多 Agent 并行研究与精确财务验证。
AI Berkshire 是一套开源的投资研究技能集，兼容 Claude Code 与 Codex，将四位价值投资大师的方法论系统化为可执行的 AI Agent 技能。包含深度研究、财报分析、行业筛选等 20 个技能，通过多 Agent 并行、强制结论、反偏见机制和精确财务计算，旨在提升投资研究的效率与纪律性。项目使用 Python 实现，采用 MIT 许可证，从公开资料看，框架结构完整，提供了可复现的研究流程。
核心亮点
项目最值得关注的能力
- 多 Agent 并行研究架构，实现四位大师视角的对抗与综合
- 强制结论机制，避免 AI 的模棱两可输出
- 内置多层反偏见机制，包括信息丰富度评级、逆向检验、快速否决清单
- 精确的财务计算验证，使用 decimal 和交叉引用确保数据可靠
适用场景
它可以解决哪些实际问题
- 对上市公司进行全方位投资研究，输出结构化报告
- 财报精读与分析，支持四大师并行解读
- 行业筛选与产业链扫描，从超级趋势中寻找投资机会
- 管理层深度研究，评估关键人物风险
技术观察
从公开资料提炼的实现特征
- 依赖 Claude Code 或 Codex 的 API 运行，需配置访问密钥
- 使用 Python decimal.Decimal 进行精确财务计算，避免浮点误差
- 多 Agent 通过 Team Lead 并行调度，各自独立搜索与决策
- 支持 MCP 协议，便于扩展工具链
优势判断
相对明确的项目价值
- 结构化方法显著提升研究的一致性与可复现性
- 内置多重防偏机制，降低认知偏差影响
- 项目方自述实盘收益亮眼（2024 +69.29%, 2025 +66.38%）
局限与注意
评估和采用前需要留意
- 依赖外部 AI 模型，研究质量受模型能力制约
- 框架复杂度高，需要一定的学习成本
- 项目方自述收益未经验证，历史表现不代表未来
适用人群
哪些开发者和团队值得关注
- 价值投资者，希望系统化投资研究流程
- 量化研究爱好者，探索 AI 辅助决策的应用
- 个人投资者或小型投研团队，寻求高效分析工具
AI Berkshire 创新地将价值投资大师方法论系统化为 AI 可执行技能，提供了丰富的结构化工具和反偏机制，对提升投研效率有参考价值。但其依赖外部模型，且项目方自述收益未经验证，读者在采用前应自行完成安全性、性能和兼容性验证。由 AI 基于 GitHub 公开资料辅助生成，不构成安全审计、生产选型或专业建议。
依据与内容边界
区分可验证事实、项目方自述与 AI 推断
GitHub 可验证事实
Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。
项目方自述
功能与使用方式主要来自仓库描述和 README，未经本站独立验证。
AI 推断
适用场景、优势与局限属于辅助解读，应结合原始文档独立判断。
- GitHub事实：仓库获 14392 星，2035 叉，28 个开放 issue，MIT 许可，主要语言 Python，主题涉及 AI Agent、金融分析、投资研究。
- 项目方自述：框架通过技能提示词和工具链解决直接问 AI 的局限性，并提供了 2024-2025 的实盘收益数据。
- AI推断：该框架创新性地将价值投资方法论编码为可执行的 AI 任务，但其实际效果和安全性需要读者自行验证，未发现公开 CVE 或安全警告。
生成于 2026-07-27 22:20
规则版本 2026-07-v3
内容有误或您是项目作者？提交纠错
DISCOVER MORE
