AI 投委會是什麼?4 個 Agent 替你吵價值投資
xbtlin 在 GitHub 上開源了 ai-berkshire,定位叫「AI 時代的波克夏」。做的事很直接:把巴菲特、芒格、段永平、李錄四位價值投資大師的決策框架,編碼成多 Agent 系統,在 Claude Code 裡跑。
聽起來像噱頭。我看了下倉庫結構,發現它比大多數 AI 投資玩具認真得多。
它解決什麼問題
普通散戶讀招股書/財報,要么看不完,要么看不出門道。市面上 AI 投資工具大多是單 LLM 總結——把財報丟進去,出來一段「綜合分析」,完事。
缺的是多視角對抗式分析。
ai-berkshire 把四位大師的決策框架明確編碼進 prompt + checklist,讓 Agent 之間互相挑毛病,模擬真實投委會的討論過程。這跟「問 ChatGPT 這支股票能不能買」是兩回事。
怎麼用
最小可執行範例,在 Claude Code CLI 裡:
# 1. 克隆倉庫
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
# 2. 在 Claude Code 中載入四個 Agent 設定
# .claude/agents/buffett.md - 巴菲特視角(ROIC + 護城河)
# .claude/agents/munger.md - 芒格視角(mental models)
# .claude/agents/duan.md - 段永平視角(right business + right people)
# .claude/agents/li.md - 李錄視角(deep value + long-term)
# 3. 觸發多 Agent 對抗式研究
/research --ticker=600519.SH --adversarial=true
# 4. 輸出範例(簡化):
# [Buffett Agent] ROIC 5 年均值 32%,品牌護城河強,符合標準
# [Munger Agent] challenge: 白酒週期下行時護城河是否依然成立?
# [Duan Agent] 管理層穩定,但通路改革有不確定性
# [Li Agent] 當前估值合理偏低,長期持有可接受
# [Synthesis] 綜合評級:買入(信心 75%)不用額外裝 Python 環境,只要有 Claude Code CLI 就好。倉庫本身主要是 Markdown prompt + YAML 設定檔,Python 程式碼很少。
它怎麼運作(架構)
三層結構:
(1) Master Method Layer — 每位大師一個獨立 Agent,prompt 裡寫死決策清單。巴菲特看 ROIC + 護城河,芒格看 mental models,段永平看 right business + right people,李錄看 deep value + 長期持有。這些 checklist 不是泛泛的「請扮演巴菲特」,而是結構化的判斷節點。
(2) Adversarial Layer — Agent 之間互相 challenge,強制輸出「我不同意 XX 的哪一點」。這是這套框架的精髓:不是讓四個 Agent 各表立場,而是讓它們對著幹。
(3) Synthesis Layer — 綜合多方意見給出最終評級,附帶信心分數。
流程:輸入標的 → 平行跑四個 Agent → 交叉質疑 → 彙整報告。
它哪裡好 / 哪裡不好
好的地方:
- 不是又一個 Web UI 套殼,直接嵌入 Claude Code 工作流,跑分析像跑程式
- prompt 是結構化 checklist,不是泛泛的「你是巴菲特請分析這支股票」
- 模板化研究流程,可改造——你可以加個「木頭姐」Agent 或改成自己的投資框架
不好的地方:
- 四個 Agent 本質都是 Claude,觀點可能同質化,缺乏真正的「對抗」多樣性
- 沒有回測模組,無法驗證歷史準確率
- 對中文 A 股/港股支援依賴 LLM 自身能力,沒有專門資料源串接
- 15,796 顆 star 看似很多,但價值投資是少數派,實際活躍度要打折
我試了一下
用 Claude Code 跑了 demo 流程,載入 agents/buffett.md 和 agents/munger.md,對一家消費股(假設為茅台)做分析。
buffett Agent 輸出聚焦 ROIC 持續 >25% 和品牌護城河,munger Agent 直接 challenge:「品牌護城河在白酒週期下行時是否依然成立?」
整個流程 5 分鐘,輸出報告約 3,000 字,品質比單 LLM 總結明顯高一個檔次——至少能看到兩套不同的思維框架在碰撞。
但對抗深度有限。如果兩個 Agent 底層模型一致,分歧往往只是語氣差異而非觀點實質衝突。這是我最大的疑慮。
誰該用
適用:
- 已經在用 Claude Code / Codex CLI 的開發者
- 想系統化整理持倉邏輯的價值投資者
- 需要快速建立研究框架的新手
不適用:
- 短線交易者(這套框架是 long-term oriented)
- 沒有 Claude Code 訂閱的人
- 對價值投資方法論本身不認同的人(那用什麼都白搭)
編輯思考
這件事有意思的地方不在於「AI 能不能炒股」,而在於把「專家決策框架」明確編碼這件事本身。
過去十年我們看過太多「讓 AI 做 X」的專案,但大部分都是把任務丟給 LLM 然後祈禱。ai-berkshire 的方法更接近 cognitive architecture——把巴菲特看 ROIC、芒格做 mental model checklist 這種隱性知識顯性化,變成可執行的結構。這種思路的真正戰場不是投資,而是醫療診斷、法律盡職調查、程式碼審查這些「專家判斷」很貴的領域。
我不太確定的是:用同一個 Claude 跑四個「大師」Agent,到底能產生多少真正的對抗?我的猜測是:對抗深度取決於底層模型的多樣性,如果未來能接入 GPT/Claude/Gemini 混合調度,這套框架才會真正起飛。否則更像是一個人分飾四角——形式大於內容。
另一個我沒看到的是回測。一個投委會如果不能告訴你「過去三年這套框架推薦的標的報酬如何」,它的評級數字(75% 信心)其實是空的。這是這個專案最需要補的一塊。