技能介绍

LLM 能快速生成财报摘要，但它算不清估值。当你让它把自由现金流折现到市值，或者跨市场核对同一家公司的两处数据时，它大概率会心算、单位混用、口径混搭。AI Berkshire 要解决的就是这件事：把价值投资研究拆成可执行的流程，并用程序化工具承担所有数值验证，LLM 只负责判断，不负责算术。

它如何组织研究

在正式分析一家公司前，框架先做「AI 研究偏见自觉」，按信息充裕度把标的分成 A/B/C 三级。A 级公司资料厚、共识强，研究重点是反面检验；B 级上市时间短，AI 容易用推测补空白，因此每个推算数据都要标置信度；C 级信息稀缺，容易陷入「看不清=不好」的过度保守，需要回到第一性原理提问。

数据收集至少来自两个独立来源。不同市场有指定组合：美股 macrotrends + stockanalysis，港股 aastocks + macrotrends ADR，A 股 东方财富 + 巨潮资讯。每个关键数据点必须双源交叉，市值、估值、情景测算全部交给精确算术工具，禁止 LLM 心算。

随后是四大师框架的七步分析：段永平的「对的生意」定义生意本质与经营杠杆；巴菲特的「经济护城河」逐项检查品牌定价权、转换成本、网络效应、规模效应和技术专利，并判断过去五年趋势；芒格的「反过来想」列出失败路径和空方核心论点；管理层评估复盘 CEO 决策、资本配置和股东利益一致性；李录的「文明演进框架」判断是否处于范式转移、分析 TAM 和技术路线风险；最后是内在价值与安全边际，并通过三情景工具精确计算。

准出环节由 report_audit.py 抽检，所有抽检点偏差须 ≤1%，否则修正后重新抽检。报告开头必须写明信息丰富度评级和 AI 研究局限性，结尾要区分「AI 分析置信度」与「投资确定性」。

适用边界

这套流程适合上市公司、财报解读、行业研究、护城河与估值评估，以及投资论点跟踪。它不构成投资建议，也不能替代对原始年报和公告的阅读。

最容易踩的坑是单位和口径：港币亿、人民币亿、美元亿不能混算；不同来源的自由现金流定义不一致时，以公司年报为准并标注差异；AB 股要区分经济权益与投票权；如果 AI 输出与市场共识高度雷同，应重点做反向检验，而不是继续复述共识。C 级公司信息不足时，不要强行填满报告，用第一性原理回到商业本质。

安装

该技能通过 SkillHub 安装。安装后可继续扩展收入型投资、投资论点跟踪、财报解读和行业研究等工作流。

参考资料

技能页面：<https://www.skillhub.cn/skills/user_3c6cb52e/ai-berkshire-r0yr>

截图预览

使用场景

面对一家刚上市的新经济公司，需要快速判断其信息充裕度，并用第一性原理评估商业模式和潜在风险。
在撰写个股深度研报前，需要从两个独立来源收集财务数据，并通过精确算术工具验算市值和估值模型。
季度财报发布后，需要拆解收入结构、分析自由现金流口径差异，并对照五个维度检查公司的经济护城河变化。

适合人员

覆盖全市场个股的买方研究员：需要借助程序化工具消除大模型的心算误差，确保研报中财务数据和估值模型的准确性。
管理多策略组合的基金经理：需要将四大师的分析框架系统化，以便在投决会上对投资论点进行结构化复盘和跟踪。
撰写深度商业分析的自媒体博主：需要快速抓取多源财报数据并生成逻辑严密的护城河与管理层评估长文。

AI伯克希尔投资研究工作流