用AI复刻巴菲特：这个开源项目两天暴涨1274星，实盘年化66%

这个项目在做什么

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。直接问 Claude“拼多多值不值得买”，你会得到一篇平衡分析，最后以“投资有风险”收尾——这种回答没法做决策。

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。比如对拼多多，它给出激进型“当前价位可建仓20%”、稳健型“等回购政策明确后建仓”、保守型“不符合10年确定性标准”三种策略，每个都带价格区间。

更关键的是，它用四个独立Agent模拟四位大师的视角：段永平看商业模式，巴菲特看财务估值，芒格做逆向思考，李录评估长期确定性。这四个视角会产生真实的矛盾——比如巴菲特说“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。

为何此刻被关注

项目在2026年6月25-26日单日新增1274星，两天累计1272星。爆发点很可能与近期市场波动有关——当散户在AI行情中迷失方向时，一个声称“连续两年实盘收益超146万”的开源框架自然引发关注。

但更深层的原因是，AI投资工具正从“聊天式分析”转向“结构化决策”。过去一年，大量基于GPT的投研助手涌现，但大多停留在“帮你整理信息”的层面。AI Berkshire 是第一套开源实现“多视角对抗+强制结论+可复现流程”的框架，这恰好切中了散户和独立投资者的痛点：不是信息不够，而是决策纪律不够。

技术上有何不同

AI Berkshire 的技术架构分为三层：Skill 层、Agent 层、工具层。Skill 层提供16个入口，覆盖深度研究、财报分析、行业筛选等场景。Agent 层每个skill内部都是4个Agent并行——它们各自独立搜索、独立判断、互相挑战，最后由Team Lead综合。工具层则用Python的decimal.Decimal做精确计算，避免LLM心算的浮点误差，并强制至少2个独立来源交叉验证。

与同类项目对比：LangChain的智能体框架更通用，但缺乏投资领域的结构化知识；FinGPT等金融LLM侧重情感分析和预测，而非决策框架。AI Berkshire 的独特之处在于它把投资大师的方法论编码为可执行的流程——比如“镜子测试：5句话说不完整=不买”、“快速否决清单：8条红线一票否决”。这些不是技术特性，而是投资纪律的技术化表达。

谁应该用它

• 独立价值投资者：一个人+Claude=一个投研团队，适合每年研究10-20家公司的深度投资者。
• 小型私募研究员：可用于快速筛选标的、生成结构化报告，节省80%的案头工作。
• 投资课程学员：作为学习工具，理解四位大师的方法论如何在实际分析中应用。
• 财经自媒体作者：用/deep-company-series生成12万字的公司深度分析系列。

不适合：高频交易者、纯量化策略用户、以及希望“一键致富”的投机者。

局限与开放问题

最大的风险在于“历史收益不代表未来表现”。项目展示的实盘收益来自作者个人账户，虽然提供了富途证券截图，但无法验证其交易纪律是否与框架输出完全一致。此外，框架依赖Claude Code，这意味着用户需要支付API费用，且分析质量受限于Claude的模型能力。最后，框架内置的“反偏见机制”本身也可能引入新的偏见——比如过度依赖大师方法论而忽视市场情绪变化。