AI Berkshire 中文教程：安装投研 Skills 与核验财务数据

AI Berkshire 不是一套预测股价的模型，而是一组安装到 Claude Code 或 Codex 的投研 skill。它把公司研究、财报阅读、行业筛选和检查清单写成固定流程。流程可以减少漏项，不能替你证明数据真实，也不能把模型输出变成投资建议。

1. 先决定跟随 tag 还是 main

v1.0.0 发布说明使用手工复制 skills/*.md 的办法，只列出 5 个 skill。当前 README 则提供 Claude Code 与 Codex 的安装脚本。需要稳定复现时用固定 tag 或提交；需要当前的 Codex 支持时跟随 main，但要记录提交并在更新前看差异。

仓库把设计分成三层：Skill 层定义研究入口，团队型 Skill 由 Team Lead 调度多个视角，工具层负责计算、检索和报告检查。skills 是 Claude Code 侧的规则来源，codex-skills 提供 Codex 版本，codex-prompts 是可选入口。

2. 按客户端安装

git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire

# Claude Code
./scripts/install-claude-commands.sh

# Codex
./scripts/install-codex-skills.sh
./scripts/install-codex-prompts.sh   # 可选

Windows 使用对应的 .bat 脚本。运行前先读脚本，确认写入位置和覆盖行为。README 出现过 --dangerously-skip-permissions 示例，这不是安装所需参数；正常使用应保留权限确认，尤其是 skill 需要联网、写文件或运行 Python 时。

3. 首次研究怎样验收

先选一家自己熟悉、监管披露完整的公司。生成报告后，不要先看评分，先核对引用是否真能打开，文件是不是正确报告期，单位是元、千元还是百万元，币种有没有混用，股本采用基本还是摊薄口径。市值、利润率、自由现金流和估值结果都应能单独重算。

README 说明关键数据要有两个独立来源，并用 decimal.Decimal 和 tools/financial_rigor.py 处理计算。这是项目写进流程的要求，不是每份输出已经自动达标的证明。两个网页互相转载也不能算两个独立来源，优先使用交易所公告、监管文件、审计财报和公司投资者关系材料。

4. 商业导流和适用边界

官方 README 有公众号导流，也展示作者自报的历史账户收益；截至核对日，没有发现付费、充值、订阅分发或转售入口，因此未按严重商业漏斗隔离。读者仍应把研究方法与宣传材料分开看：历史收益不能证明未来结果，公开截图也不等于经第三方审计的完整业绩记录。

5. 与 FinRobot 对比

FinRobot 官方仓库 提供 Python 包、数据源、估值模块、Agent 框架和教程，安装时还要配置模型及金融数据 API。AI Berkshire 更轻，重点是给现有 Claude Code 或 Codex 加一套研究规则。想搭程序化金融应用或估值管线时看 FinRobot；想规范日常研究问法和报告结构时，AI Berkshire 更容易接入。

常见问题