xbtlin
AI 投资研究框架 ai-berkshire 的开发者，GitHub ID。
关键贡献
ai-berkshire 框架
- “AI 时代的伯克希尔”——基于 Claude Code 的开源 AI 投资研究框架。
- 实盘验证：2024 +69.29%、2025 至今 +66.38%（vs 标普 500 +23.31% / +16.39%）。
- 两年累计收益超 146 万元。
- 核心创新：用工程手段缝住 AI 分析质量不可控的老毛病。
设计哲学
1. 不接受”两面讨好”的 AI 回答
- 强制输出通过 / 不通过 / 灰色地带结论。
- 必须附带具体价格区间和仓位建议。
- 例：拼多多激进型 95-105 美元建仓 20%。
2. 多 Agent 对抗而非单一视角
- 让 4 个投资大师人格（巴菲特 / 芒格 / 段永平 / 李录）故意制造分歧。
- 拼多多案例：估值 4.4 分 vs 长期确定性 2.0 分。
3. 金融数据精确性
financial_rigor.py用 Python Decimal 精确计算，不用浮点数。- 股价 × 总股本反向验算市值，偏差超容差告警。
- “0.1 + 0.2 = 0.3 在金融场景里不是玩笑”。
4. 工具化而非思路化
- 把经验变成强制流程步骤，不是分析师脑子里”可能想起也可能忘记”的建议。
- 7 家公司用同一 checklist → 7 个可横向比较的结果。