AI 时代的价值投资研究框架——
一个人 + Claude Code = 一个投研团队。
GitHub Trending · 四大师方法论系统化 · 19 个 Skills · 实盘验证
← 返回汇总| 指标 | 2024 | 2025 |
|---|---|---|
| 本框架实盘 | +69.29% | +66.38% |
| 恒生指数 | +17.67% | +27.77% |
| 标普500 | +23.31% | +16.39% |
| 纳斯达克 | +28.64% | +20.36% |
免责声明：历史收益不代表未来表现
你问 Claude"拼多多值不值得买"，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"收尾。看起来对，但没法拿来做决策。
巴菲特 vs 李录的真实冲突。
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。
| 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。
| 机制 | 解决什么 |
|---|---|
信息丰富度评级 | 防止"资料多=确定性高"幻觉 |
芒格式逆向检验 | 强制思考失败场景与概率 |
快速否决清单 | 8 条红线一票否决 |
反共识检查 | 避免和市场想得一样 |
留白原则 | 数据不足标"灰色地带"，不伪装确定 |
LLM 心算不可靠。PE 算错小数点、市值单位搞混港币/人民币，就可能导致错误决策。
# 市值手算校验：股价 × 总股本，对比报告数据 python3 tools/financial_rigor.py verify-market-cap \ --price 510 --shares 9.11e9 \ --reported 4.65e12 --currency HKD # ✅ 验证通过, 偏差仅 0.08%
decimal.Decimal，不用 float19 个明确入口——深度研究、财报、行业筛选、持仓管理、思维工具，按场景选用。
Team Lead 并行调度 4 个大师视角 Agent，各自搜索、独立判断、互相挑战，最后综合。
精确计算、实时检索、报告抽检，保证每份数据严谨可验证。
🔬 深度研究
📊 财报分析
🏭 行业筛选
📈 持仓管理 · 🧠 思维工具
4 个分析师 = 4 倍研究量。
/investment-team 启动 4 个独立 Agent 同时研究一家公司，各自搜索网络、交叉验证、独立给结论，Team Lead 综合。
同样输入 → 结构一致、深度一致的输出。这是普通 AI 做不到的。
| 公司 | 通过? | 综合 |
|---|---|---|
| 茅台 | ✅ 通过 | 4.7 |
| 腾讯 | ✅ 通过 | 4.7 |
| 英伟达 | ✅ 有条件 | 4.3 |
| 拼多多 | ❓ 灰色 | 3.8 |
7 家公司用同一标准 Checklist 筛选，评分标准完全一致，可横向对比。
AI × 垂直专业领域的标杆样本。价值不在通用性，而在展示 AI 如何深度介入高门槛专业分析。对研究者，它演示了"用 Skill 把方法论系统化""用多 Agent 制造视角对抗""用工具层保证数据严谨"这套组合拳。实盘业绩给了最强说服力——这不是 toy project，是经真金白银验证的体系。对 AI 应用开发者极具参考价值。