💡 站外导读：在AI技术深度赋能各行各业的今天，将顶尖投资大师的思维框架系统化、工具化已成为前沿趋势。如何让AI不仅执行指令，更能复现沃伦·巴菲特数十年的投资决策哲学？开源项目“buffett-skills”应运而生。它并非简单的股票推荐软件，而是一个深度集成于Claude Code的技能合集，旨在解决价值投资者在分析过程中面临的信息过载、分析框架缺失、情绪干扰等核心痛点，将复杂的决策流程工程化、纪律化。
buffett-skills 是什么
buffett-skills 是开源 Claude Code Skill 合集，基于巴菲特完整投资框架构建。buffett-skills 将巴菲特股东信语料库中 49 个核心概念提炼为 8 个参考文件，通过渐进式加载与三条执行路径（快速筛选、深度分析、专题问答），让 AI 用巴菲特的决策流程分析任意公司，输出包含护城河、管理层、估值、安全边际等 10 个固定章节的结构化报告。
阅读目录
buffett-skills 的主要功能
-
自动触发投资分析：当用户分析股票、阅读财报、讨论买卖决策或评估护城河时自动激活，无需显式提及”巴菲特”即可调用完整投资框架。
-
渐进式参考文件加载：采用 SKILL.md 主文件配合 8 个专题参考文件的设计，仅在需要时按需加载护城河、管理层、财务或行业手册等内容，有效控制上下文成本。
-
三条执行路径智能分发：快速筛选路径通过 8 问检查表在 2 分钟内判断公司是否值得研究；深度分析路径按顺序读取护城河、管理层、财务与估值文件完成全量评估；专题问答路径直接定位单一概念文件精准作答。
-
护城河扫描与趋势判断：识别成本优势、转换成本、网络效应、无形资产、规模效率五种护城河类型，并判断其是在扩大还是收窄。
-
管理层三维评估：从承诺兑现度、资本配置历史、股东利益一致性三个维度评估管理层质量与诚信，对不坦诚的管理层实行一票否决。
-
核心财务指标分析：聚焦所有者收益、ROIC/ROE、现金转化率等巴菲特式财务指标，区分会计利润与真实现金流。
-
估值与安全边际计算：运用三种估值方法，输出乐观、基准、悲观三情景下的内在价值区间、安全边际百分比及建议入场价格。
-
强制结构化输出：每次深度分析必须输出结论、能力圈、关键假设、企业质量、财务快照、估值、卖出标准、主要风险、监控指标、综合判断共 10 个固定章节。
-
行业专项手册支持：内置保险、银行、消费、媒体、能源、铁路、科技等行业的差异化分析手册，针对不同行业调用对应的评估逻辑。
-
卖出纪律检查：针对持有或卖出决策，强制对照四项卖出标准逐一验证，确保退出决策同样遵循系统化流程。
如何使用buffett-skills
- 环境准备：确保本地已安装 Claude Code，有一个用于存放 skill 的项目目录。
- 下载项目：执行
git clone https://github.com/agi-now/buffett-skills /tmp/buffett-skills将仓库克隆到本地临时目录。 - 部署 Skill：执行
cp -r /tmp/buffett-skills/skills/buffett your-project/.claude/skills/buffett，将 buffett 文件夹复制到目标项目的.claude/skills/路径下。 - 验证目录：确认目录结构严格符合
your-project/.claude/skills/buffett/SKILL.md及 8 个参考文件，Claude Code 会自动发现该路径下的 skill。 - 开始使用：在 Claude Code 对话中输入任意公司名称、股票代码或投资分析问题，skill 将自动触发。
- 选择分析模式：系统将根据提问类型自动分发至快速筛选（2 分钟 8 问检查表）、深度分析（10 章节完整报告）或专题问答（单一概念精准解答）三种路径。
buffett-skills的关键信息和使用要求
-
项目性质：开源 Claude Code Skill，非独立应用
-
参考来源：巴菲特 1965 年至今股东信及公开著述的 49 个概念页面
-
安装要求：需已安装 Claude Code，skill 放置路径必须严格符合
.claude/skills/<name>/SKILL.md -
触发方式：自动识别，分析股票、财报、买卖决策、护城河、管理层等关键词时自动激活，无需显式提及”Buffett”
-
输出格式：严格 10 章节结构化模板（结论、能力圈、关键假设、企业质量、财务快照、估值、卖出标准、主要风险、监控指标、综合判断）
-
性能代价：深度分析平均多消耗约 30,829 tokens 和 59.2 秒，工具调用从 2 次增至 11 次以上
buffett-skills的核心优势
-
过程而非结论：不提供”巴菲特买什么”的跟风建议，复现其决策流程，让用户理解为何买/不买。
-
纪律化输出：强制要求 10 个章节完整输出，避免分析遗漏；当商业模式高度不确定时，明确给出”判断不了，观察，不行动”的纪律性结论。
-
工程化设计：渐进式加载解决长上下文成本问题，三条路径匹配不同分析深度需求。
-
实测效果显著：在苹果股票分析、银行业框架、茅台持有/卖出三个测试用例中，有 Skill 通过率达 100%（15/15），无 Skill 仅 66.7%（10/15），提升 33%。
buffett-skills的同类竞品对比
| 维度 | buffett-skills | buffett-oracle-analyzer | ai-sub-invest (ConsensusAI) |
|---|---|---|---|
| 核心定位 | 巴菲特决策流程复现 | 巴菲特哲学 + 现代多维分析框架 | 多大师共识投资决策系统 |
| 分析视角 | 单一深度（纯巴菲特框架） | 单一深度（巴菲特为主，融合技术面） | 多元广度（21 位分析师角色聚合） |
| 数据依赖 | 无，纯框架与语料驱动 | 需实时财务/市场/电话会数据 | 需金融数据 API key 与 Python 环境 |
| 估值方法 | 三种经典估值法 + 安全边际 | 8 种模型（DCF/PEG/DDM/NAV/分部加总等） | 依不同分析师角色而异 |
| 技术面分析 | 无 | 有（K线/均线/RSI/MACD/筹码分析） | 有（独立 technical skill 支持） |
| 输出格式 | 10 章节固定结构化模板 | 巴菲特计分卡 + 目标价 + 仓位建议 | JSON 信号聚合 + 共识评级 |
| 安装方式 | 复制文件夹到 .claude/skills |
复制文件夹到 .claude/skills |
需 uv sync 安装依赖并配置 API |
| 最佳场景 | 学习巴菲特思维过程与纪律 | 生成机构级深度个股研究报告 | 多视角交叉验证，寻找共识信号 |
buffett-skills的应用场景
-
个股深度分析：输入公司名称，按巴菲特框架完成从护城河到估值的全流程评估。
-
财报速读：阅读年报或股东信时，快速提取关键财务指标与管理信号。
-
买卖决策辅助：针对持仓股票进行持有/卖出检查，对照四项卖出标准逐一验证。
-
行业专题研究：调用保险、银行、消费、媒体、能源、铁路、科技等行业手册进行垂直分析。
-
价值投资学习：通过专题问答模式，向 AI 询问能力圈、市场先生、内在价值、安全边际等核心概念。
📝 站长洞察 (Editor’s Insight)
“buffett-skills”的出现，标志着AI在金融分析领域从“信息检索工具”向“决策流程复现框架”的跃迁。其精妙之处在于，它不追求预测股价的“神奇结论”，而是致力于重构巴菲特严谨的决策“过程”——通过结构化输出强制避免分析遗漏，通过渐进式加载优化算力成本，通过多路径设计匹配不同研究深度。这背后折射出一个更大的趋势：顶级的认知框架和思维模型，正在通过开源社区和AI工程化封装，成为可被广泛使用的“认知基础设施”。对于开发者、投资者和终身学习者而言，此类项目的价值远超工具本身，它是一座连接大师思维与AI能力的桥梁，是数字化时代“刻意练习”投资纪律的绝佳载体。未来，我们或将看到更多顶级心智模型被如此“技能化”，真正实现知识的民主化与能力增强。
