Один человек + Claude = инвестиционная команда

На GitHub появился проект AI Berkshire — открытый фреймворк для профессионального анализа акций, построенный поверх Claude Code. Автор систематизировал методологии четырёх известных инвесторов — Уоррена Баффета, Чарли Мангера, Дуань Юнпина и Ли Лу — и реализовал их через набор AI-агентов с поддержкой параллельного анализа.

Проект отличается от типичных «AI-инвестиционных» инструментов тем, что ориентирован не на красивые графики, а на принятие реальных решений с конкретными ценовыми ориентирами и уровнями уверенности.

ℹ Реальный трек-рекорд
Автор раскрывает результаты реального брокерского счёта: +69,29% за весь 2024 год и +66,38% с начала 2025 года. Для сравнения — S&P 500 за тот же период показал +23,31% и +16,39% соответственно.

В чём проблема с обычным ChatBot-анализом?

Ключевая претензия к стандартному AI-анализу акций — отсутствие конкретных выводов. Когда задаёшь Claude вопрос напрямую, получаешь классический ответ в духе «с одной стороны… с другой стороны… инвестируйте осторожно». AI Berkshire решает не вопрос «может ли AI анализировать», а вопрос качества анализа и инвестиционной дисциплины.

Фреймворк принудительно выводит однозначный вердикт: «купить / не покупать / серая зона» — с конкретным ценовым диапазоном и рекомендациями под разный риск-профиль.

Архитектура: три уровня


graph TD
    A[Пользователь — Team Lead] --> B[16 Skills / команды]
    B --> C[Agent 1: Дуань Юнпин\nБизнес-модель]
    B --> D[Agent 2: Баффет\nФинансовая оценка]
    B --> E[Agent 3: Мангер\nОбратное мышление]
    B --> F[Agent 4: Ли Лу\nДолгосрочная определённость]
    C --> G[Итоговый отчёт]
    D --> G
    E --> G
    F --> G
    G --> H[Решение с ценовым диапазоном]

Команда /investment-team запускает 4 независимых агента, которые одновременно исследуют одну компанию. Каждый агент самостоятельно ищет информацию в сети, перекрёстно проверяет данные и делает независимые выводы. Это не разбивка одного промпта на четыре части — это четыре «аналитика», каждый из которых провёл полноценное исследование, а Team Lead их синтезирует.

В результате 4 параллельных агента дают 4-кратный объём поиска, 4-кратное количество источников и 4 независимые точки зрения — при этом контекстное окно каждого используется по максимуму.

16 специализированных навыков (Skills)

КатегорияSkillНазначение
Глубокий анализ/investment-researchКомплексный анализ по 4 методологиям
Глубокий анализ/investment-team4 агента параллельно
Глубокий анализ/management-deep-diveАнализ менеджмента
Отчётность/earnings-reviewЧтение первичных финотчётов
Отбор/industry-funnelВоронка: весь рынок → 3 компании
Отбор/investment-checklist6-шаговый чеклист Баффета
Портфель/portfolio-reviewУправление позициями
Инструменты/dyp-askВопросы в стиле Дуань Юнпина

Четыре мастера — четыре противоположные точки зрения

Ключевая идея фреймворка — заставить методологии конфликтовать между собой. Пример анализа Pinduoduo (PDD) демонстрирует, как разные «аналитики» приходят к принципиально разным выводам:

📝 Пример: Pinduoduo
  • Дуань Юнпин (бизнес-модель): хорошая компания, модель C2M сложно скопировать → оценка 3,7/5
  • Баффет (финансовая оценка): P/E без кэша всего 6,3x, настоящая «машина по печатанию денег» → оценка 4,4/5
  • Мангер (обратное мышление): защитный ров мельче, чем кажется → оценка 3,5/5
  • Ли Лу (долгосрочная определённость): культура менеджмента вызывает вопросы, неизвестно что будет через 10 лет → оценка 2,0/5

Такое противоречие — когда Баффет говорит «дёшево», а Ли Лу говорит «слишком неопределённо» — и есть реальное состояние инвестиционного решения. Одиночный промпт не способен воспроизвести подобное многоперспективное противостояние.

Защита от ошибок LLM

⚠ Точность финансовых расчётов
LLM не надёжен в арифметике. Ошибка в P/E или путаница между гонконгским и юаневым обозначением миллиардов может стоить реальных денег. В AI Berkshire все ключевые вычисления выполняются через Python decimal.Decimal (точная десятичная арифметика), а критические данные обязательно верифицируются из двух независимых источников.

В реальном примере с Tencent данные о капитализации из разных источников отличались из-за путаницы единиц (HKD vs CNY). Скрипт проверки:

python3 tools/financial_rigor.py verify-market-cap \
  --price 510 --shares 9.11e9 --reported 4.65e12 --currency HKD
# ✅ Верификация пройдена, отклонение 0.08%

Контекст: AI штурмует Уолл-стрит

Проект появился в момент, когда Anthropic активно продвигает Claude в финансовые сервисы. В мае 2026 года компания анонсировала десять готовых шаблонов AI-агентов для финансовой отрасли с интеграцией Microsoft 365 и прямым доступом к данным Moody’s, FactSet, Morningstar и S&P Global.

По данным бенчмарка Vals AI Finance Agent, модели Claude 4 опережают другие фронтирные модели в задачах исследования финансовых активов.

AI Berkshire вписывается в этот тренд, но решает задачу с другого угла: не корпоративный продукт с подпиской, а открытый набор skills для индивидуального инвестора, который хочет мыслить как профессиональная инвестиционная команда.

«Цена — это то, что платишь. Ценность — это то, что получаешь.» — Уоррен Баффет

Быстрый старт

# 1. Установить Claude Code
npm install -g @anthropic-ai/claude-code

# 2. Клонировать репозиторий и скопировать skills
git clone https://github.com/xbtlin/ai-berkshire.git
cp ai-berkshire/skills/*.md ~/.claude/commands/

# 3. Использовать в Claude Code
/investment-research Tencent
/investment-team Meituan
/investment-checklist Apple, NVIDIA, BYD
💡 Важно
Фреймворк не является финансовым советником. Исторические результаты не гарантируют будущую доходность. Все инвестиционные решения остаются за пользователем.

Проект доступен на GitHub по адресу github.com/xbtlin/ai-berkshire под открытой лицензией.