AI 巴菲特投资研究工作流

LLM 做投资研究时，常暴露两类硬伤：财务数据心算易出现单位混淆（如港币亿与美元亿）、口径偏差（如 FCF 定义差异），且零散的大师方法论难以落地，分析结论常缺乏可验证的闭环。

核心设计逻辑

该工作流以「系统化研究+程序化验证」为核心，集成巴菲特、芒格、段永平、李录四位投资大师的方法论框架，搭配 financial_rigor.py、report_audit.py 等工具，强制数据交叉验证与精确计算，杜绝 LLM 心算误差。

关键工作步骤

1. 前置：AI 研究偏见自觉：按信息丰富度将标的分为 A/B/C 三级，针对性规避「共识过强」「推测补数据」「过度保守」三类陷阱。
2. 七大模块研究流：

- 数据收集：美股/港股/A股分别采用双源规范（如美股 macrotrends+stockanalysis），关键数据需 2 个独立来源验证
- 生意本质→护城河→逆向思考→管理层→行业趋势→估值：每个环节对应大师方法论，如护城河需验证五类壁垒并判断 5 年趋势
- 估值与安全边际：通过三情景工具精确计算，所有数据需通过 report_audit.py 抽检（偏差≤1%方可发布）

1. 质量规则：财务计算必须用精确算术工具，标注低置信度结论与来源缺口，区分「AI 分析置信度」与「投资确定性」。

适用边界与注意

• 仅用于投资学习与研究，不构成任何投资建议
• C 级（信息稀缺）标的需采用第一性原理提问，避免被 AI 保守倾向误导
• 依赖工具验算而非 LLM 心算，AB 股需区分经济权益与投票权，FCF 口径以公司年报为准