AI Berkshire

Установка

Ручная установка

git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
./scripts/install-claude-commands.sh

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Набор дает агенту около двадцати скиллов для системного анализа публичных и частных компаний. За основу взяты подходы Уоррена Баффета, Чарли Мангера, Дуань Юнпина и Ли Лу, и по каждой компании собирается разбор бизнес-модели, финансов и оценки, отраслевой структуры, рисков и качества менеджмента. Есть отдельные скиллы для глубокого исследования, разбора отчетности, отраслевого скрининга, отслеживания тезиса и быстрой проверки причин движения цены. Скилл требует называть источники данных, сверять цифры по двум независимым источникам и помечать неопределенность, а итог формулирует как разбор с диапазонами и оговорками, а не как совет купить или продать. Работает как слэш-команды в Claude Code и как пакеты SKILL.md в Codex из одного общего набора правил.

Для кого. Для инвесторов, аналитиков и основателей, которым нужен дисциплинированный разбор компаний, а не готовый ответ.

Пример запроса к агенту

Разбери компанию по бизнес-модели, финансам, отрасли и рискам и покажи диапазоны оценки, без совета покупать

Ограничения

Это инструмент исследования, а не инвестиционная рекомендация: решения и их последствия остаются на пользователе, прошлая доходность не гарантирует будущую. Глубокие скиллы делают несколько проходов и сверок и расходуют много токенов, автор советует для важных решений использовать сильную модель. Нужен установленный клиент Claude Code или Codex и доступ к их моделям. Качество разбора зависит от полноты открытых данных по компании, часть скиллов запускает вспомогательные скрипты и ходит в сеть за финансовыми данными. Основной язык материалов китайский с английским и японским README.

Как отключить. Удалите установленные слэш-команды из каталога команд Claude Code или папки скиллов из ~/.codex/skills, в зависимости от способа установки.

Проверка безопасности

• Скиллы запускают вспомогательные скрипты и ходят в сеть за финансовыми данными
• Тема связана с деньгами: выводы это разбор, а не рекомендация, ответственность за решения на пользователе

Коротко о README

README описывает набор из примерно двадцати скиллов для инвестиционного исследования, совместимых с Claude Code и Codex. Материал систематизирует методологии Баффета, Мангера, Дуань Юнпина и Ли Лу и требует называть источники, сверять финансовые данные и помечать неопределенность. Репозиторий держит один общий набор правил: слэш-команды для Claude Code в skills/, пакеты SKILL.md для Codex в codex-skills/ и необязательный слой слэш-промптов в codex-prompts/. Установка идет через git clone и скрипты install-claude-commands или install-codex-skills. В репозитории приложены примеры готовых отчетов и данные, лицензия MIT.

SKILL.md

---
name: investment-research
description: "AI Berkshire skill: 投资研究：巴菲特-芒格-段永平-李录 四大师综合分析框架. Source: skills/investment-research.md."
---

## Codex adapter note

This skill is generated from `skills/investment-research.md` so Claude Code and Codex users share one canonical workflow.

- Treat `$ARGUMENTS` as the user's request in the current Codex thread.
- When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
- Use shared project tools from `tools/` in this repository. Prefer running commands from the repository root with paths like `python3 tools/financial_rigor.py ...`; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.
- Before starting research, run the `date` command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.
- Preserve the research quality rules from `AGENTS.md`: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

Похожие