🛠️
Ai Berkshire tool by xbtlin
⭐ 63.3
🛠️
Tool

Ai Berkshire

by xbtlin xbtlin/ai-berkshire
Free2AITools Nexus Index
63.3
S: Semantic 50

Query-time baseline · scored live at search

A: Authority 61
P: Popularity 71
R: Recency 100
Q: Quality 70
Tech Context
Vital Performance —
Source →
Python Lang
Open Source 13.2K Stars
Alpha Reliability
Tool Information Summary
Entity Passport
Registry ID xbtlin/ai-berkshire
License MIT
Provider github
📜

Cite this tool

Academic & Research Attribution

BibTeX 
@misc{gh_tool_xbtlin_ai_berkshire,
  author = {xbtlin},
  title = {Ai Berkshire Tool},
  year = {2026},
  howpublished = {\url{https://github.com/xbtlin/ai-berkshire}},
  note = {Accessed via Free2AITools.}
}
APA Style
xbtlin. (2026). Ai Berkshire [Tool]. Free2AITools. https://github.com/xbtlin/ai-berkshire

🔬Technical Deep Dive

Full Specifications [+]

Quick Commands

🐙 GitHub Clone
git clone https://github.com/xbtlin/ai-berkshire
🐍 PIP Install
pip install ai-berkshire

⚖️ Free2AITools Nexus Index V2.0

Methodology How FNI works
Semantic (S) 50

Query-time baseline · scored live at search

Authority (A) 61
Popularity (P) 71
Recency (R) 100
Quality (Q) 70

💬 Index Insight

FNI V2.0 for Ai Berkshire: Authority (A:61), Popularity (P:71), Recency (R:100), Quality (Q:70). Semantic (S) is a query-time baseline scored live at search.

Free2AITools Nexus Index

Data Sources / Provenance

HuggingFace API GitHub Metadata Arxiv Citation DB Methodology
Open data Updated: Live data

📋 Specs

Language
Python
License
MIT
Version
—
Explore Source Node
CODE

🔌 Usage & Integration

Quick Start

npm install -g @anthropic-ai/claude-code

Technical Documentation

中文 | English | 日本語

GitHub Trending

AI Berkshire - AI 时代的价值投资研究框架

"Price is what you pay, value is what you get." — Warren Buffett

用 AI 重新定义投资研究的深度与效率。

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。

一个人 + Claude Code / Codex = 一个投研团队。

📮 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 ↓

实盘业绩 · 为什么不能直接问AI · Skills 一览 · 快速开始 · 实战报告 · 设计理念 · 公众号

Real Track Record

不是纸上谈兵。这套框架背后是真金白银验证的投资体系。

2024 全年收益：+69.29%

2025 全年收益：+66.38%

与主要指数对比

指标 2024 全年 2025 全年
本框架实盘 +69.29% +66.38%
恒生指数 +17.67% +27.77%
标普500 +23.31% +16.39%
沪深300 +14.68% +17.66%
纳斯达克 +28.64% +20.36%

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

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

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。

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。

精选研究首发于公众号

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：

微信公众号：复利炼丹炉

复利炼丹炉 —— 用 AI 炼投研这颗丹。

为什么不能直接问 AI？

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。

这种分析看起来对，但没法拿来做决策。

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。以下是核心差异：

1. 强制给结论，不打太极

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。

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..."

AI Berkshire 输出：

策略 建议 价格区间
激进型 当前价位可建仓20% $95-105
稳健型 等回购政策明确后建仓 $85-95
保守型 不符合10年确定性标准，观望 —

镜子测试：5句话说不完整 = 不买，没有例外。

2. 四大师视角对抗，而非单一分析

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

Social Proof

GitHub Repository
13.2KStars
1.9KForks
Repo Issues
🐙 Data Source: GitHub ↗
🔄 Updated daily

Source summary: Based on GitHub metadata. Not a recommendation.

📊 FNI Methodology 📚 Knowledge Baseℹ️ Verify with original source

🛡️ Tool Transparency Report

Technical metadata sourced from upstream repositories.

Open Metadata

🆔 Identity & Source

id
gh-tool--xbtlin--ai-berkshire
slug
xbtlin--ai-berkshire
source
github
author
xbtlin
license
MIT
tags
ai, ai-agent, anthropic, berkshire-hathaway, charlie-munger, china-stock, claude, claude-code, financial-analysis, fintech, fundamental-analysis, investment, investment-research, llm, mcp, portfolio-management, stock-analysis, stock-market, value-investing, warren-buffett, python, agent

⚙️ Technical Specs

architecture
null
params billions
null
context length
null
pipeline tag
other

📊 Engagement & Metrics

downloads
0
stars
13,177
forks
1,908
github stars
13,177

Data indexed from public sources. Updated daily.