两年实盘 +135%，聊聊我用 Claude Code 搭的多 Agent 投研框架

做了个 AI 投研系统，4 个 Agent 互相挑刺，结果比我自己分析靠谱多了

你直接问 Claude"帮我分析拼多多值不值得买"，它会给你一篇"一方面...另一方面..."的平衡文。看起来全面，但没法拿来做决策。

我想做的系统必须给出明确倾向：一个合理价格区间，当前价位偏高、合理还是偏低，附上置信度。做不到这一点的分析，对决策没有帮助。

花了一年多，把投研流程拆成了一套多 Agent 对抗系统。项目开源在 GitHub： https://github.com/xbtlin/ai-berkshire

先看产出

拿拼多多举例，系统实际跑出来的结论：

• 商业模式维度：C2M 有壁垒，好生意 → 3.7/5


• 财务估值维度：扣现金 PE 仅 6.3x → 4.4/5


• 行业竞争维度（逆向思考）：护城河比想象中浅，抖音电商 3 年做到 4 万亿 GMV → 3.5/5


• 风险评估维度：管理层文化有隐患，10 年后不确定 → 2.0/5

一个说"真便宜"，另一个说"不确定就不买"。这种矛盾不是 bug ，是投资决策的真实状态。

完整的报告样本放在仓库 reports/ 目录下，有 100+ 份，随便翻。

核心设计：多 Agent 对抗

/investment-team 会启动 4 个独立的 Claude Code subagent ，每个从不同分析维度（商业模式 / 财务估值 / 行业竞争 / 风险评估）各自搜索网络、各自交叉验证数据、各自给出结论。这不是把一个 prompt 拆成四段再拼回来——是 4 个"分析师"各自做了完整研究，最后由 Team Lead 综合，并且专门有一轮挑战环节：A 的结论要经受 B 、C 、D 的质疑。

单个 LLM 容易自我强化——前面说了看好，后面就不自觉找支撑证据。多 Agent 对抗就是为了打破这个倾向。

最终报告输出分层建议：激进型 / 稳健型 / 保守型各自的仓位和价格区间，加上一个"镜子测试"——5 句话说不清为什么买，就是不该买。

架构

Skill 层（ 16 个入口）— 定义你要做什么研究

    ↓

Agent 层（ 4 Agent 并行）— 各自搜索、独立判断、互相挑战

    ↓

工具层 — Decimal 精确计算 + 实时检索 + 报告校验

两个工程细节：

不信 LLM 心算。 LLM 算 PE 能算错小数点，港币人民币单位搞混更是常见。所有财务计算走 Python decimal.Decimal，关键数据至少 2 个独立来源交叉验证。还内置了 Benford 定律检测——用首位数字分布异常发现财务数据可疑的线索。

多层纠偏。 AI 最危险的不是给错答案，而是给一个看起来很对但经不起推敲的答案。框架里内置了信息丰富度分级、逆向检验（强制思考"这家公司怎么会死"）、快速否决清单（ 8 条红线一票否决，管理层诚信有问题不管多便宜都直接否决）。

怎么用

npm install -g @anthropic-ai/claude-code

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

cp ai-berkshire/skills/*.md ~/.claude/commands/



/investment-team 腾讯           # 4 Agent 并行深度研究

/earnings-review 腾讯 2025Q4    # 财报精读

/quality-screen 茅台, 英伟达     # 快速筛选

实盘记录

附一下自己用这套流程辅助决策的实盘，仅供参考：

几个注脚：样本量只有两年，统计上说明不了什么；集中持仓 3-5 只，波动极大；买入决策是人做的，系统只负责研究；工具是投资过程中逐步搭建的，不构成因果关系。

这个帖子不是来说"用 AI 炒股能赚钱"的——收益来自集中持有深度研究过的公司，框架的作用是提高研究效率和分析质量。

已知局限

• 跑一次完整分析的 token 消耗不小


• 买入决策仍然依赖人的判断力，工具不能替代

最后

GitHub： https://github.com/xbtlin/ai-berkshire

MIT License ，没有付费版，没有课程，没有星球。有问题直接开 issue ，我都会回。

一个我自己还没想清楚的问题：LLM 做投资研究最大的风险是什么？是幻觉？是数据滞后？还是给了你虚假的信心让你加大仓位？欢迎聊聊。

如果你想看某只股票跑出来什么样，评论区留名字（美股/港股），我挑几个跑一下贴上来。