{ "markdown": "中文 | [English](README_EN.md) | [日本語](README_JA.md)\n\n[![GitHub Trending](https://trendshift.io/api/badge/repositories/63696)](https://trendshift.io/repositories/63696)\n\n# AI Berkshire - AI 时代的价值投资研究框架\n\n> \"Price is what you pay, value is what you get.\" — Warren Buffett\n>\n> 用 AI 重新定义投资研究的深度与效率。\n\n**AI Berkshire** 是一套同时兼容 Claude Code 与 Codex 的投资研究 Skill 合集，将巴菲特、芒格、段永平、李录四位价值投资大师的方法论系统化、结构化，通过 AI Agent 实现专业级投资研究。\n\n一个人 + Claude Code / Codex = 一个投研团队。\n\n> 📮 **仓库是全量框架，公众号是精选。** 真正值得深研的公司，加上报告之外我自己的判断与取舍，都在微信公众号「**复利炼丹炉**」——[扫码关注 ↓](#精选研究首发于公众号)\n\n\n\n> 📊 **日更内容是研究报告，全部在 [研究报告索引](reports/README.md)。** 2399 份报告 · 112 家公司 · 23 个专题，按公司与专题分组，更新至 2026-10-07。\n\n\n\n[实盘业绩](#real-track-record) · [为什么不能直接问AI](#为什么不能直接问-ai) · [Skills 一览](#skills-一览20个) · [快速开始](#快速开始) · [实战报告](#实战研究报告) · [研究索引](reports/README.md) · [设计理念](#设计理念) · [公众号](#精选研究首发于公众号)\n\n---\n\n## Real Track Record\n\n> 不是纸上谈兵。这套框架背后是真金白银验证的投资体系。\n\n### 2024 全年收益：+69.29%\n\n\n\n### 2025 全年收益：+66.38%\n\n\n\n### 与主要指数对比\n\n| 指标 | 2024 全年 | 2025 全年 |\n|------|----------|----------|\n| **本框架实盘** | **+69.29%** | **+66.38%** |\n| 恒生指数 | +17.67% | +27.77% |\n| 标普500 | +23.31% | +16.39% |\n| 沪深300 | +14.68% | +17.66% |\n| 纳斯达克 | +28.64% | +20.36% |\n\n**2024 年超额收益**：跑赢标普500 **46个百分点**，跑赢恒生指数 **52个百分点**\n\n**2025 年超额收益**：跑赢标普500 **50个百分点**，跑赢恒生指数 **39个百分点**\n\n**两年累计实盘收益超 146万元**，连续两年大幅跑赢全球主要指数。\n\n> *免责声明：历史收益不代表未来表现。截图来自富途证券真实账户。*\n\n### 精选研究首发于公众号\n\n仓库里是完整的框架和全量报告，公众号里是**精选**——真正值得深研的公司，加上报告之外我自己的判断与取舍：\n\n\"微信公众号：复利炼丹炉\"\n\n**复利炼丹炉** —— 用 AI 炼投研这颗丹。\n\n---\n\n## 为什么不能直接问 AI？\n\n你当然可以直接问 Claude：\"帮我分析拼多多值不值得买\"。你会得到一篇\"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。\n\n**这种分析看起来对，但没法拿来做决策。**\n\nAI 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。以下是核心差异：\n\n### 1. 强制给结论，不打太极\n\n直接问AI，你得到的是两面讨好的\"分析\"。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。\n\n> 普通AI回答：*\"拼多多有增长潜力但也面临竞争压力，投资者需要权衡...\"*\n>\n> AI Berkshire 输出：\n\n> | 策略 | 建议 | 价格区间 |\n> |------|------|---------|\n> | 激进型 | 当前价位可建仓20% | $95-105 |\n> | 稳健型 | 等回购政策明确后建仓 | $85-95 |\n> | 保守型 | 不符合10年确定性标准，观望 | — |\n>\n> **镜子测试**：5句话说不完整 = 不买，没有例外。\n\n### 2. 四大师视角对抗，而非单一分析\n\n不是\"用巴菲特方法分析一下\"这么简单。四个视角会产生**真实的矛盾和张力**——\n\n以拼多多为例：\n- **段永平**（商业模式）：好生意，C2M模式难以复制 → 评分 3.7/5\n- **巴菲特**（财务估值）：扣现金PE仅6.3x，印钞机 → 评分 4.4/5\n- **芒格**（逆向思考）：护城河比想象中浅，抖音3年做到4万亿GMV → 评分 3.5/5\n- **李录**（长期确定性）：管理层文化有隐患，10年后不确定 → 评分 2.0/5\n\n**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。单一prompt无法制造这种多视角对抗，而这恰恰是避免盲点的关键。\n\n### 3. 结构化反偏见机制\n\nAI最危险的不是给错答案，而是给一个**看起来很对但经不起推敲**的答案。AI Berkshire 在流程中内置了多层\"防骗\"机制：\n\n| 机制 | 解决什么问题 | 举例 |\n|------|------------|------|\n| **信息丰富度评级（A/B/C）** | 防止\"资料多=确定性高\"的幻觉 | 泡泡玛特评为B级：数据有限，推算指标标注置信度 |\n| **芒格式逆向检验** | 强制思考失败场景 | \"什么情况下拼多多会死？\"→ 列出5大情景及概率 |\n| **快速否决清单** | 8条红线一票否决 | 管理层诚信污点 → 直接否决，不管估值多便宜 |\n| **反共识检查** | 避免和市场想法一样 | \"聪明人为什么在做空？\"→ 发现被忽视的风险 |\n| **留白原则** | 宁可说\"不知道\" | 数据不足时标注\"灰色地带\"，不用推测伪装确定性 |\n\n### 4. 金融数据的精确性\n\nLLM心算不可靠。PE算错一个小数点、市值单位搞混港币和人民币，就可能导致错误的投资决策。\n\n**真实案例**：分析腾讯时，不同来源的市值数据有\"港币亿\"和\"人民币亿\"两种单位。AI Berkshire 的处理方式：\n\n```bash\n# 市值手算校验：股价 × 总股本，与报告数据对比\npython3 tools/financial_rigor.py verify-market-cap \\\n --price 510 --shares 9.11e9 --reported 4.65e12 --currency HKD\n# ✅ 验证通过, 偏差仅 0.08%\n```\n\n所有计算使用 Python `decimal.Decimal`（精确十进制），不用 `float`。关键数据至少2个独立来源交叉验证。\n\n### 5. 可复现的研究流程\n\n直接问AI，每次输出的格式、深度、覆盖面都不一样——今天分析腾讯有护城河评分，明天分析美团可能就忘了。\n\nAI Berkshire 确保：**同样的输入 → 结构一致、深度一致的输出**。这意味着你可以：\n- 7家公司横向对比，评分标准完全一致\n- 同一家公司半年后重新分析，直接对比变化\n- 团队成员之间的研究结果可以对齐\n\n> 真实输出——7家公司用同一标准 Checklist 筛选：\n>\n> | 公司 | 通过? | 能力圈 | 好生意 | 护城河 | 管理层 | 安全边际 | 综合 |\n> |------|:-----:|:------:|:------:|:------:|:------:|:-------:|:----:|\n> | 茅台 | ✅ 通过 | ★★★★★ | ★★★★★ | ★★★★★ | ★★★☆☆ | ★★★★☆ | 4.7 |\n> | 腾讯 | ✅ 通过 | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ | 4.7 |\n> | 英伟达 | ✅ 有条件 | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★☆☆ | 4.3 |\n> | 美团 | ✅ 有条件 | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | 4.0 |\n> | 快手 | ✅ 有条件 | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | 4.0 |\n> | 拼多多 | ❓ 灰色 | ★★★★☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | ★★★★★ | 3.8 |\n> | 泡泡玛特 | ❓ 灰色 | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ | 3.7 |\n\n### 6. 多Agent并行 = 研究深度的倍增\n\n`/investment-team` 启动4个独立Agent**同时**研究一家公司。每个Agent各自搜索网络、交叉验证数据、独立给出结论。这不是把一个prompt拆成四段——是4个\"分析师\"各自做了完整的研究，Team Lead再综合。\n\n一个人直接问AI，上下文窗口是一个。4个Agent并行，等于4倍的搜索量、4倍的信息源、4个独立视角。\n\n

\n \"Team\n

\n\n### 一句话总结\n\n> **普通人问AI得到的是\"看起来对的分析\"，用 AI Berkshire 得到的是\"可以拿来做决策的投研报告\"。**\n\n---\n\n## 整体架构\n\n

\n \"AI\n

\n\n\n**三层设计哲学**：\n- **Skill 层**：把\"你要做什么\"抽象成 20 个明确入口——深度研究、财报分析、行业筛选、持仓管理、思维工具，按场景选用\n- **Agent 层**：团队型 skill（如 `/investment-team`、`/earnings-team`）由 Team Lead 并行调度 4 个大师视角 Agent——各自独立搜索、独立判断、互相挑战，最后综合研判；轻量 skill 不经过这一层，直连工具快进快出\n- **工具层**：精确计算、实时检索、报告抽检——保证每份报告的数据严谨性可验证\n\n---\n\n## Skills 一览（20个）\n\n### 🔬 深度研究类\n\n| Skill | 用途 | 适合场景 |\n|-------|------|---------|\n| [`/investment-research`](skills/investment-research.md) | 四大师综合深度分析 | 对一家上市公司进行全方位投资研究 |\n| [`/investment-team`](skills/investment-team.md) | 多Agent并行投研团队 | 4个Agent并行研究，最快速、最全面 |\n| [`/management-deep-dive`](skills/management-deep-dive.md) | 管理层纵深研究 | \"买股票就是买人\"——当管理层是核心变量时深挖 |\n| [`/private-company-research`](skills/private-company-research.md) | 未上市公司深度研究 | 研究蚂蚁、SpaceX等信息稀缺的未上市公司 |\n| [`/deep-company-series`](skills/deep-company-series.md) | 8篇长文系列拆一家公司 | 公众号级深度系列，12万字从认知重置到决策闭环 |\n\n### 📊 财报分析类\n\n| Skill | 用途 | 适合场景 |\n|-------|------|---------|\n| [`/earnings-review`](skills/earnings-review.md) | 财报精读（一手资料） | 只读原始财报，不依赖二手研报，像巴菲特一样读年报 |\n| [`/earnings-team`](skills/earnings-team.md) | 财报精读团队 + 公众号发布 | 四大师并行解读财报 → 编辑润色 → 读者评审 → 可发布文章 |\n\n### 🏭 行业筛选类\n\n| Skill | 用途 | 适合场景 |\n|-------|------|---------|\n| [`/industry-research`](skills/industry-research.md) | 产业链全景扫描 | 研究一个行业的全部投资机会（按产业链环节切片） |\n| [`/industry-funnel`](skills/industry-funnel.md) | 行业漏斗筛选 | 全市场 → 粗筛 ≤10 家 → 终选 3 家深度分析 |\n| [`/quality-screen`](skills/quality-screen.md) | 去劣筛选（7条硬指标） | 快速排除非一流公司，支持个股/行业/指数/主题批量筛 |\n| [`/bottleneck-hunter`](skills/bottleneck-hunter.md) | 供应链瓶颈猎手 | 从超级趋势出发，寻找产业链物理瓶颈和套利机会 |\n| [`/era-alpha`](skills/era-alpha.md) | 时代α捕手 | 识别时代级高增长主线中的核心α，验证增长可持续性，给出介入与退出纪律 |\n| [`/investment-checklist`](skills/investment-checklist.md) | 巴菲特买入前 Checklist | 六关快速筛选，10分钟决定是否值得深入 |\n\n### 📈 持仓管理类\n\n| Skill | 用途 | 适合场景 |\n|-------|------|---------|\n| [`/income-investment`](skills/income-investment.md) | 收益型股票分析 | 区分可持续收益、机会型高息与收益率陷阱 |\n| [`/portfolio-review`](skills/portfolio-review.md) | 组合管理与优化 | 从\"研究公司\"升级到\"管理组合\"——仓位、集中度、再平衡 |\n| [`/thesis-tracker`](skills/thesis-tracker.md) | 投资论文追踪 | 买入后的纪律系统：持续跟踪论文是否被证伪 |\n| [`/thesis-drift`](skills/thesis-drift.md) | 投资论文漂移检测 | 对比两份论文/报告，区分事实变化、估值变化与措辞变化 |\n| [`/news-pulse`](skills/news-pulse.md) | 股价异动快速归因 | 股价大涨/大跌时10分钟搞清\"发生了什么\" |\n\n### 🧠 思维工具类\n\n| Skill | 用途 | 适合场景 |\n|-------|------|---------|\n| [`/dyp-ask`](skills/dyp-ask.md) | 段永平问答 | 以段永平的方式思考任何问题——商业、投资、人生 |\n| [`/financial-data`](skills/financial-data.md) | 财务数据获取与交叉验证规范 | 确保关键数据来自2个独立来源，误差>1%告警 |\n| [`/wechat-article`](skills/wechat-article.md) | 微信公众号文章 | 作者、编辑、读者三Agent协作，产出可发布文章 |\n\n### 🔗 搭配 Claude Code 内置的 /deep-research\n\n除以上 20 个 skill 外，Claude Code 自带一个 `/deep-research` 深度研究编排器（内置于客户端，不由本仓库分发，安装 Claude Code 即可使用）。它的流程是：把问题拆成 5 个检索角度并行搜索 → 抓取来源、提取可证伪论断 → 每条论断由 3 个独立 Agent 对抗验证（3 票中 2 票证伪才剔除）→ 按置信度合成带引用来源的报告。核心价值是每条结论都被人试图推翻过，而不是搜到什么写什么。\n\n适合在运行本仓库的个股/行业 skill 之前，先对一个关键事实判断做独立核查。实战示例：[存储涨价周期研究](reports/存储行业/存储涨价周期研究-还能维持几年高价-20260727.md)（106 个检索/验证 Agent，23 条论断三票制交叉验证）、[diffusion LLM 技术路线综述](reports/大模型技术/diffusion-LLM技术路线综述-与AR对比-20260706.md)（25 条论断验证，22 条确认、3 条被证伪）。\n\n---\n\n## 快速开始\n\n### 成本与模型选择\n\n深度投研类 Skill 默认会进行多轮研究、交叉验证和多 Agent 综合判断，因此 token 消耗较高，这是为了换取更完整的商业、财务、行业和风险分析。\n\n如果是真实投资决策中高风险、高重要性的判断，维护者的观点是：最强模型通常更可能带来更好的分析 ROI，不建议只为节省模型成本而牺牲关键判断质量。轻量模型更适合做初筛、摘要或低风险问题；涉及护城河、估值、管理层和风险交叉判断时，应预期分析质量会更依赖模型能力。\n\n想控制成本时，优先调整 workflow，而不是期待完整深度研究变得便宜：快速排除公司可先用 [`/quality-screen`](skills/quality-screen.md)，股价异动归因可用 [`/news-pulse`](skills/news-pulse.md)。只有当结果值得继续深入时，再运行 [`/investment-research`](skills/investment-research.md) 或 [`/investment-team`](skills/investment-team.md)。\n\n### 1. 安装 AI 客户端\n\n本仓库保留同一套 canonical workflow，并分别提供 Claude Code commands 与 Codex skills。按你使用的客户端安装即可。\n\nClaude Code 用户：\n\n```bash\nnpm install -g @anthropic-ai/claude-code\n```\n\nCodex 用户：\n\n```bash\n# macOS / Linux\ncurl -fsSL https://chatgpt.com/codex/install.sh | sh\n\n# 或使用 npm\nnpm install -g @openai/codex\n\n# 或使用 Homebrew\nbrew install --cask codex\n\n# 验证安装\ncodex --version\n```\n\nWindows 用户可使用官方 PowerShell 安装命令：`powershell -ExecutionPolicy ByPass -c \"irm https://chatgpt.com/codex/install.ps1 | iex\"`。\n\n如果 `codex --version` 能正常输出版本号，就可以继续安装本项目的 Codex skills。\n\n#### 减少授权确认\n\n这些 skills 会频繁调用工具，Claude Code 默认会逐次请求授权确认。这个行为来自 Claude Code 客户端权限机制，不是本仓库可以修改的默认设置。\n\n如果你信任当前 workflow，并且在可信环境中运行，可以用 Claude Code 的跳过权限确认模式启动：\n\n```bash\nclaude --dangerously-skip-permissions\n```\n\n注意：该模式会关闭 Claude Code 的工具审批保护，只应在你信任仓库、命令和工作目录的情况下使用。\n\n### 2. 安装 Skills\n\nClaude Code 用户安装（macOS / Linux）：\n\n```bash\n# 克隆仓库\ngit clone https://github.com/xbtlin/ai-berkshire.git\n\n# 复制 skills 到 Claude Code 全局 commands 目录\ncd ai-berkshire\n./scripts/install-claude-commands.sh\n```\n\nClaude Code 用户安装（Windows PowerShell / Command Prompt）：\n\n```bat\ngit clone https://github.com/xbtlin/ai-berkshire.git\ncd ai-berkshire\n.\\scripts\\install-claude-commands.bat\n```\n\nCodex 用户安装（macOS / Linux）：\n\n```bash\n# 克隆仓库\ngit clone https://github.com/xbtlin/ai-berkshire.git\n\n# 生成并安装 Codex skills 到 ~/.codex/skills\ncd ai-berkshire\n./scripts/install-codex-skills.sh\n\n# 可选：安装 Codex slash prompts 到 ~/.codex/prompts\n# 用于获得接近 Claude Code 的 /investment-research 体验\n./scripts/install-codex-prompts.sh\n```\n\nCodex 用户安装（Windows PowerShell / Command Prompt）：\n\n```bat\ngit clone https://github.com/xbtlin/ai-berkshire.git\ncd ai-berkshire\n.\\scripts\\install-codex-skills.bat\n\nREM 可选：安装 Codex slash prompts\n.\\scripts\\install-codex-prompts.bat\n```\n\n仓库同时维护三套入口：`skills/*.md` 是 Claude Code command 源文件；`codex-skills/*/SKILL.md` 是 Codex skill 包，由 `scripts/sync-codex-skills.py` 从 `skills/*.md` 生成；`codex-prompts/*.md` 是可选的 Codex slash prompt 兼容层。\n\n### 3. 使用\n\n在 Claude Code 中直接调用：\n\n```bash\n# 深度研究\n/investment-research 腾讯\n/investment-team 美团\n/management-deep-dive 王兴 美团\n/private-company-research SpaceX\n/deep-company-series 拼多多\n\n# 财报分析\n/earnings-review 腾讯 2025Q4\n/earnings-team PDD 2025年报\n\n# 行业筛选\n/industry-research 核电\n/industry-funnel AI算力\n/quality-screen 恒生指数成分股\n/bottleneck-hunter AI基础设施\n/investment-checklist 茅台, 英伟达, 苹果\n\n# 持仓管理\n/income-investment Verizon mode=existing role=core-income quantity=100 cost_basis=39.50 tax_residence=France horizon=5y\n/portfolio-review 腾讯30%, 美团20%, 茅台20%, 现金30%\n/thesis-tracker 拼多多\n/thesis-drift 拼多多 reports/拼多多-thesis-2025Q4.md reports/拼多多-thesis-2026Q1.md\n/news-pulse 腾讯\n\n# 思维工具\n/dyp-ask 拼多多的护城河到底在哪里？\n/wechat-article 美团\n```\n\n在 Codex 中安装后重启 Codex，然后直接按 skill 名称描述任务，例如：\n\n```text\n使用 investment-research 研究腾讯\n使用 earnings-review 分析 PDD 2025年报\n使用 industry-funnel 筛选 AI算力\n使用 bottleneck-hunter 扫描 AI基础设施瓶颈\n使用 thesis-drift 对比拼多多两份投资论文\n使用 wechat-article 写美团投研文章\n```\n\n如果安装了 Codex slash prompts，重启 Codex 后也可以在 `/` 菜单里搜索这些 prompt。Codex 官方的 custom prompt 入口通常显示为 `prompts:`，例如：\n\n```text\n/prompts:investment-research 腾讯\n```\n\n---\n\n## 各 Skill 详细介绍\n\n### 1. `/investment-research` — 四大师综合分析\n\n最全面的单公司深度研究框架。按七个模块顺序执行：\n\n```\n数据收集 → 生意本质(段永平) → 护城河(巴菲特) → 逆向思考(芒格)\n → 管理层评估(段永平+巴菲特) → 文明趋势(李录) → 估值与安全边际\n```\n\n**核心特色**：\n- AI研究偏见自觉机制（A/B/C级信息丰富度评级）\n- 关键数据多源交叉验证（市值手算校验、至少2个独立来源）\n- 四位大师的\"追问\"贯穿全文\n- 三情景估值（乐观/中性/悲观）+ 反向DCF\n\n**输出示例摘录**：\n\n> #### 综合决策备忘录\n>\n> | 维度 | 结论 | 信心度 |\n> |------|------|--------|\n> | 生意质量（段永平） | 极佳：平台型生意，双边网络效应，边际成本趋零 | ★★★★★ |\n> | 护城河（巴菲特） | 宽阔且在变宽：网络效应+转换成本+规模效应三重叠加 | ★★★★☆ |\n> | 管理层（段永平+巴菲特） | 优秀：创始人掌舵，资本配置纪律强 | ★★★★☆ |\n> | 最大风险（芒格） | 监管政策不确定性，新业务亏损拖累整体利润 | ★★★☆☆ |\n> | 文明趋势（李录） | 顺应数字化消费趋势，但非\"文明级范式转移\" | ★★★★☆ |\n> | 估值（巴菲特+段永平） | 当前PE 18x，处于历史中位数偏低，有一定安全边际 | ★★★★☆ |\n>\n> **段永平**：\"这门生意的本质是连接消费者和商家，赚的是效率提升的钱。好生意的标志是：用户越多，商家越多；商家越多，用户越多。飞轮一旦转起来，很难停下。\"\n>\n> **芒格**：\"反过来想——如果这家公司明天消失，用户和商家会怎么办？如果答案是'很快找到替代品'，那护城河就不够深。如果答案是'生活会变得非常不方便'，那就值得关注。\"\n\n---\n\n### 2. `/investment-team` — 多Agent投研团队\n\n启动4个AI Agent并行研究，模拟真实投研团队协作。每个Agent独立搜索、独立分析、独立给出评分，最后由Team Lead综合研判。\n\n**输出示例摘录**：\n\n> #### 一句话结论\n> 美团是中国本地生活服务的绝对龙头，拥有多重网络效应护城河，当前估值处于历史较低水平，长期投资价值显著，建议逢低建仓。\n>\n> #### 四维评分总表\n>\n> | 维度 | 框架 | 评分 | 核心判断 |\n> |------|------|------|----------|\n> | 商业模式 & 护城河 | 段永平 | ★★★★☆ | 双边网络效应强劲，外卖+到店形成飞轮 |\n> | 财务 & 估值 | 巴菲特 | ★★★★☆ | 核心业务利润率持续改善，估值处于历史低位 |\n> | 行业 & 竞争 | 芒格 | ★★★☆☆ | 抖音入侵到店业务，竞争格局有恶化风险 |\n> | 风险 & 管理层 | 李录 | ★★★★☆ | 王兴战略眼光出色，但新业务烧钱需警惕 |\n>\n> **综合评分：3.8 / 5**\n>\n> #### 投资建议\n>\n> | 策略 | 建议 | 价格区间(港元) |\n> |------|------|---------------|\n> | 激进型 | 当前价位可建仓30% | 120-140 |\n> | 稳健型 | 等回调至100-110建仓 | 100-120 |\n> | 保守型 | 等待季报验证利润率趋势后再介入 | <100 |\n\n---\n\n### 3. `/investment-checklist` — 巴菲特买入前 Checklist\n\n六关快速筛选，帮你在10分钟内决定一家公司是否值得深入研究：\n\n```\n第一关：能力圈（我能理解吗？）\n ↓ 通过\n第二关：好生意（经济特征如何？）\n ↓ 通过\n第三关：护城河（竞争优势深不深？）\n ↓ 通过\n第四关：管理层（值得信任吗？）\n ↓ 通过\n第五关：安全边际（价格便宜吗？）\n ↓ 通过\n第六关：决策纪律（是理性还是FOMO？）\n ↓ 通过\n ✅ 镜子测试\n```\n\n**支持多公司对比**——一次筛选多个标的：\n\n```\n/investment-checklist 腾讯, 阿里巴巴, 美团, 拼多多\n```\n\n**输出示例摘录**：\n\n> #### 镜子测试\n>\n> \"我以 380港元 买入 腾讯，因为：\n> 1. 这门生意的本质是**社交网络+数字内容平台**，我理解它；\n> 2. 它的护城河是**12亿用户的社交关系链**，而且在变宽；\n> 3. 管理层**Pony Ma低调务实、资本配置优秀**，值得信赖；\n> 4. 当前价格相当于内在价值的**8折**，有一定安全边际；\n> 5. 即使我错了，下行风险可控，因为**账上净现金超2000亿、游戏现金流强劲**。\"\n>\n> ✅ 通过镜子测试\n>\n> **5句话说不完整 = 不买。没有例外。**\n\n---\n\n### 4. `/industry-research` — 产业链全景扫描\n\n从一个投资主题出发，完成产业链全景研究：\n\n```\n投资逻辑链构建 → 产业链全景图 → 全球上市公司扫描\n → 各环节头部公司四大师分析 → 投资组合配置建议\n```\n\n**输出示例摘录**：\n\n> #### 投资逻辑链：核电\n>\n> 底层趋势：AI数据中心电力需求爆发 + 碳中和目标\n> → 导致：稳定清洁基荷电源需求激增\n> → 创造：核电重启/新建/SMR的确定性需求\n> → 受益：铀矿 → 燃料加工 → 设备制造 → 运营商\n>\n> #### 推荐组合\n>\n> | 层级 | 仓位 | 标的 | 环节 | 核心逻辑 |\n> |------|------|------|------|---------|\n> | 核心 | 50% | 中国广核(CGN)、Cameco | 运营+铀矿 | 确定性最高 |\n> | 卫星 | 30% | 中国核电、东方电气 | 运营+设备 | 国产替代受益 |\n> | 期权 | 15% | NuScale、Nano Nuclear | SMR | 高风险高弹性 |\n> | ETF | 替代 | URA、URNM | 全链 | 懒人方案 |\n\n---\n\n### 5. `/industry-funnel` — 行业漏斗筛选\n\n从一个行业/方向出发，**全市场 → ≤10 家 → 3 家**逐层精选：\n\n```\n全市场扫描（活跃度 + 涨幅 + 市值前 30 并集，30-60 家）\n ↓ 价值投资 5 条硬指标\n粗筛 ≤ 10 家\n ↓ 精细分析（每家 300-500 字）\n精细分析 ≤ 10 家\n ↓ 终选（按组合互补性，不按打分前 3）\n四大师深度分析 3 家（每家 800-1200 字）\n ↓\n推荐组合（核心 / 卫星 / 期权）+ 操作信号\n```\n\n**核心特色**：\n- 每层都有明确留/弃标准，被淘汰的标的留下淘汰理由（不是黑箱）\n- 终选 3 家按\"组合互补性\"选（高确定性 + 中等弹性 + 高弹性），不按打分前 3 排序\n- 强制列\"未来 IPO 候选\"，避免漏掉一级市场核心玩家\n- AI 偏见自觉机制：应对龙头偏好 / 英文偏好 / 故事偏好 / 上市偏好\n\n**与 `/industry-research` 的区别**：\n- `industry-research` 偏重产业链结构与全景（按环节切片）\n- `industry-funnel` 偏重个股筛选漏斗（从全市场逐层精选到 3 家）\n\n**实测：AI 行业 4 子赛道并行（2026-05-09）**：\n\n| 子赛道 | 终选 3 家 | 核心仓位推荐 |\n|-------|---------|------------|\n| AI 算力 | TSMC / NVIDIA / SK Hynix | TSMC ★★★★★ |\n| AI 模型 | Alphabet / Meta / 阿里巴巴 | Alphabet ★★★★★ |\n| AI 应用 | 微软 / Adobe / AppLovin | 微软 + Adobe ★★★★ |\n| AI 基建电力 | Eaton / 特变电工 / Talen Energy | Eaton + 特变电工 ★★★★ |\n\n**关键发现**：AI 应用层最大赢家不是 AI Native 公司，而是有渠道+数据+工作流嵌入度的成熟巨头——这呼应了 1995-2000 互联网泡沫\"卖铲子\"的历史规律（亚马逊和苹果赢，Pets.com 输）。\n\n完整报告：[AI 算力](reports/AI算力-funnel-20260509.md) · [AI 模型](reports/AI模型-funnel-20260509.md) · [AI 应用](reports/AI应用-funnel-20260509.md) · [AI 基建电力](reports/AI基建电力-funnel-20260509.md)\n\n---\n\n### 6. `/private-company-research` — 未上市公司深度研究\n\n专为信息稀缺的未上市公司设计的\"侦探式\"研究框架：\n\n**核心差异化**：\n- **财务数据拼凑**：从招股书、母公司财报、融资新闻、行业数据多源拼凑\n- **置信度标注**：每个数据点标注 🟢高 / 🟡中 / 🔴低 置信度\n- **多方法估值交叉**：融资估值法 + 可比公司法 + DCF + 终局倒推法\n- **退出路径分析**：IPO/并购/二级转让全路径评估\n\n**输出示例摘录**：\n\n> #### 公司画像速览：SpaceX\n>\n> | 项目 | 内容 |\n> |------|------|\n> | 最新估值 | ~$350B (2025年二级市场) 🟡 |\n> | 推算收入 | ~$130亿 (2024年) 🟡 |\n> | Starlink用户 | 400万+ (2024年底) 🟢 |\n> | 发射次数 | 100+ 次/年 (2024年) 🟢 |\n>\n> #### 估值判断\n>\n> | 方法 | 估值区间 | 说明 |\n> |------|---------|------|\n> | 最近融资 | $350B | 二级市场报价，有流动性溢价 |\n> | 可比公司法 | $200-280B | 对标电信+航天+国防 |\n> | DCF(中性) | $250-350B | 假设Starlink 2027年$300亿收入 |\n> | 终局倒推 | $400-600B | 假设星链成为全球电信基础设施 |\n>\n> **综合合理估值区间：$250B - $400B**\n\n---\n\n### 7. `/news-pulse` — 股价异动新闻归因\n\n专为\"股价大涨/大跌时快速搞清发生了什么\"设计的情报响应 Skill。**不是深度投研，是 10-15 分钟的快速归因**——避免持仓异动时陷入小作文焦虑或盲目止损。\n\n**核心差异化**：\n- **4 维并行侦察**：公司事件 / 监管政策 / 行业对手 / 市场情绪（卖方+大V+南向资金）\n- **归因优先于罗列**：不是把所有新闻列一遍，而是判断\"哪个事件配得上这次股价异动\"\n- **强制性质判断**：价值事件 / 情绪波动 / **真因不明** / 混合——其中\"真因不明\"是最有价值的输出（可能存在内幕抢跑）\n- **明确行动建议**：是否触发深度研究、是否需要重审论文、是否仅观察等\n\n**与其他 Skill 的区别**：\n| 场景 | 用什么 |\n|------|------|\n| 完整投研（小时级） | `/investment-team` 或 `/investment-research` |\n| 财报深读 | `/earnings-review` |\n| 长期论文跟踪 | `/thesis-tracker` |\n| **股价异动 10 分钟归因** | **`/news-pulse`** |\n\n**输出示例摘录**（腾讯 4/17-5/01 实测，14 天 -10.47%）：\n\n> #### 一句话归因\n> 这次 -10.47% 跌幅约 70-80% 由资金面+情绪面驱动（回购静默期 + 南向减仓 + 板块 beta + AI 叙事被夺），20-30% 由 AI 投入翻倍的递延消化承担——**基本面无利空**，卖方维持买入共识，性质上属于\"流动性+情绪型回调\"，不是价值事件。\n>\n> #### 异动归因表\n>\n> | 候选解释 | 估算贡献 | 置信度 |\n> |---------|--------|--------|\n> | 回购静默期消失（结构性，5/13 财报前） | -3% ~ -4% | 高 |\n> | 南向资金转向净卖腾讯 | -2% ~ -3% | 高 |\n> | AI 叙事被竞品夺走（DeepSeek V4/Qwen3.6/月暗 1T） | -1% ~ -2% | 中 |\n> | 板块/宏观 beta（油价+地缘+Fed Warsh 鹰派） | -2% ~ -3% | 高 |\n> | 一季报前避险 | -1% ~ -2% | 中 |\n> | 基本面恶化 | **0%** | 极高（排除） |\n>\n> #### 性质判断：✅ 混合型\n> 70% 资金面/情绪面 + 20% AI 长期叙事担忧 + 10% 一季报前不确定性\n>\n> **关键反证**：段永平 4/8 卖腾讯 put（看多）；卖方 24 家共识 Strong Buy；网易 4/30 逆市涨 2%（排除游戏行业问题）；腾讯跑输恒科 7 个百分点（恒科月度反而涨 4%）。\n\n调用方式：\n\n```\n/news-pulse 腾讯\n/news-pulse 拼多多 跌12% 一周内\n/news-pulse 米哈游\n```\n\n---\n\n## 实战研究报告\n\n> 以下是使用本框架生成的真实投资研究报告，展示 AI 投研的实际输出效果。\n\n\n\n**📊 [全部研究索引 →](reports/README.md)** ｜ 2399 份报告 · 112 家公司 · 23 个专题 · 更新至 2026-10-07\n\n最近更新：\n\n| 日期 | 报告 | 归属 |\n|------|------|------|\n| 2026-10-07 | [李录演讲与访谈合集](reports/李录/李录演讲与访谈合集.md) | 李录 |\n| 2026-10-05 | [李录：哥大商学院第36届格雷厄姆与多德年度论坛对谈实录（2026-10-05）](reports/李录/李录-哥大格雷厄姆多德论坛对谈实录-20261005.md) | 李录 |\n| 2026-10-02 | [贵州茅台（600519.SH）研究报告](reports/七公司投资研究-20261002/茅台/茅台研究报告-20261002.md) | 七公司投资研究 |\n| 2026-10-02 | [茅台核查边界](reports/七公司投资研究-20261002/茅台/audit-notes.md) | 七公司投资研究 |\n\n\n\n| 公司 | 使用 Skill | 核心结论 | 报告链接 |\n|------|-----------|---------|---------|\n| 拼多多 (PDD) | `/investment-team` | 综合3.4/5，极度便宜但10年确定性不足，适合中等仓位 | [查看报告](reports/拼多多/) |\n| 腾讯控股 (0700.HK) | `/investment-research` | 社交垄断+资本配置卓越，14x前瞻PE合理偏低 | [查看报告](reports/腾讯/) |\n| 7家公司对比 | `/investment-checklist` | 茅台、腾讯通过；英伟达、美团、快手有条件通过；拼多多、泡泡玛特灰色 | [查看报告](reports/多公司对比-checklist-20260408.md) |\n| 大师持仓追踪 | 自定义研究 | 巴菲特/李录/段永平最新13F持仓+PDD成本分析 | [查看报告](reports/大师持仓追踪-research-20260408.md) |\n| 折扣零售产业链 | `/industry-research` | 逻辑链6环中2环已证伪（尾货供给枯竭、线上量价齐升）；最佳环节是奥莱物业与消费REITs而非线上特卖平台 | [查看报告](reports/折扣零售产业链/) |\n\n> *更多报告将持续添加。欢迎 PR 提交你用本框架生成的研究报告。*\n\n---\n\n## 设计理念\n\n### 四大师方法论融合\n\n**段永平 · \"对的生意\"**——商业模式本质，是其余三个视角的共同起点：\n\n| 巴菲特 | 芒格 | 李录 |\n|:---:|:---:|:---:|\n| 护城河
安全边际
管理层 | 逆向思考
风险清单
偏误自查 | 文明趋势
范式转移
产业价值 |\n\n四位大师不是简单的分工，而是设计来**互相挑战**的：\n- 段永平说\"好生意\"，芒格会问\"怎么会死\"\n- 巴菲特说\"够便宜\"，李录会问\"10年后还在吗\"\n- 你得到的不是四份报告的拼接，而是四种思维方式的碰撞\n\n### 金融严谨性工具 (`tools/financial_rigor.py`)\n\n| 功能 | 命令 | 解决的问题 |\n|------|------|-----------|\n| **市值验算** | `verify-market-cap` | 股价×总股本 精确计算，检测单位错误 |\n| **估值验算** | `verify-valuation` | PE/PB/ROE/FCF Yield 精确十进制计算 |\n| **多源交叉验证** | `cross-validate` | N个来源的同一数据自动比对，超过容差告警 |\n| **三情景估值** | `three-scenario` | 乐观/中性/悲观精确计算目标价 |\n| **Benford定律检测** | `benford` | 检测财务数据首位数字分布异常 |\n| **精确计算器** | `calc` | 任意财务表达式精确计算，替代LLM心算 |\n\n**设计原则**：所有计算使用 Python `decimal.Decimal`（精确十进制），非 `float`（浮点近似）。`0.1 + 0.2 = 0.3` 在金融场景中不允许失败。\n\n---\n\n## 未来方向\n\n- [ ] 历史回测：AI研报 vs 实际股价表现\n- [ ] 宏观经济周期分析框架\n- [ ] 基于MCP的实时数据接入（Wind/Bloomberg/Yahoo Finance）\n\n---\n\n## 免责声明\n\n本项目仅供学习和研究目的，不构成任何投资建议。投资有风险，决策需谨慎。请始终做好自己的尽职调查（DYOR）。\n\n---\n\n## License\n\nMIT License\n\n---\n\n> \"The best investment you can make is in yourself.\" — Warren Buffett\n>\n> AI Berkshire：让每个人都拥有自己的投研团队。\n\n## Star History\n\n如果这个项目对你有帮助，请给一个 Star 支持！精选公司研究与个人判断首发于微信公众号「**复利炼丹炉**」（二维码见[文首](#精选研究首发于公众号)）。\n\n\n \n \n \"Star\n \n\n", "bytes": 19727, "sha": "6705af61f7629398e08548da4a675c8e1ab4cdcbf14b58a2538c2e74717cc684", "repo_slug": "xbtlin/ai-berkshire", "fonte": "repo", "truncated": false, "api": "https://api.agentalog.com/api/listings/skl_xbtlin_ai_berkshire_thesis_tracker_15710e18/readme" }