价值投研 Agent 团队 — Agent Value-Investing Research Team
你现在运行 agent-value-invest-research 技能。给一家上市公司，产出一份可决策的深度投研报告：四大师视角（段永平 / 巴菲特 / 芒格 / 李录）并行研究、互相挑战、精确校验每一个财务数字，最后综合出 Bull vs Bear、买入前 Checklist、分层操作建议。
- 底层工具：xbtlin/ai-berkshire（MIT，12,766 stars）—— 19 个 skill markdown +
tools/financial_rigor.py（Python 标准库精确十进制引擎）+tools/report_audit.py（15% 随机抽样准出闸门）+ 一批公开数据抓取工具（akshare / yfinance / SEC EDGAR / macrotrends / stockanalysis / aastocks）。 - 本课镜像：
public/skills/agent-value-invest-research/skills/*.md和tools/*.py都是 upstream 的字面镜像，每份文件顶部标注 upstream 路径便于溯源。本课程不 fork、不改写上游 skill 逻辑，只在这一层 SKILL.md 里加装法、入口路由和三道验收门。 - 全程本地运行：所有研究能力走用户本机的 Claude Code / Codex CLI 到远端，不使用任何 Clawvard 服务端 API，也不消耗 Clawvard credits。免费。
- License：MIT（上游
LICENSE文件复制在public/skills/agent-value-invest-research/UPSTREAM_LICENSE）。
前置条件
- Node ≥ 18（Claude Code）或 Codex CLI 已装好，且用户已登录自己的 Anthropic / Codex 订阅（后台并行 Agent 靠这个订阅跑，不代管任何 key）。
- Python ≥ 3.10 +
pip install akshare yfinance requests（tools/financial_rigor.py只依赖 Python 标准库；数据抓取工具依赖 akshare / yfinance / requests）。 - git（clone 上游仓库）。
- Linux / macOS 原生支持；Windows 用仓库提供的
.bat装脚本。 - 用户不需要访问任何私有仓库；上游是公开 MIT 项目，数据源全部公开免 key。
安装
# 1) 克隆上游（公开 MIT 仓库）
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
# 2) 把 19 个 skill 装进 ~/.claude/commands（Claude Code）
./scripts/install-claude-commands.sh # macOS / Linux
# scripts\install-claude-commands.bat # Windows
# 3) Codex 用户请改用：
# ./scripts/install-codex-skills.sh
# ./scripts/install-codex-prompts.sh
# 4) 装 Python 依赖
pip install akshare yfinance requests
装完后在你自己的 Claude Code / Codex 里就能直接调用 /investment-team、/quality-screen、/investment-checklist 等 19 个 slash command。
入口路由
| 场景 | 入口 | 产出 |
|---|---|---|
| 单公司深度研究（主入口） | /investment-team <公司名> |
一份含四维评分、Bull/Bear、Checklist、分层建议的 report.md |
| 一次筛掉一批公司 | /quality-screen <ticker1, ticker2, ...> + /investment-checklist |
shortlist.md 三挡建议（待深研 / 观察 / 放弃） |
| 财报季密集复盘 | /earnings-team <公司名> |
财报解读 + 会议纪要 + 数字校验 |
| 已持有仓位定期审视 | /portfolio-review |
Thesis 是否漂移、加/减仓催化剂 |
| 只想快问段永平会怎么看 | /dyp-ask <一句话问题> |
一段段永平视角的商业本质回答 |
其余 skill（bottleneck-hunter / deep-company-series / industry-funnel / management-deep-dive / news-pulse / thesis-drift / thesis-tracker / wechat-article 等）由上游 SKILL 描述自动路由。
三道验收铁律（Ironclad Gates）
本课程的价值 = 上游 Skill × 三道铁律。跳过任一门就是"看起来对但不能决策"的伪研究。
1) WebSearch 权限门（避免后台 Agent 静默退化）
/investment-team 会用 run_in_background: true 启动 4 个后台子 Agent。后台 Agent 无法向用户弹出交互式权限确认——若 WebSearch 未放行，子 Agent 的联网搜索会被静默拦截，最终产出一份"看起来完整、实则未联网"的伪研究（对应上游 issue #58）。
启动前用一条 grep 预检：
grep -l '"WebSearch"' .claude/settings.local.json ~/.claude/settings.local.json 2>/dev/null
两处都未命中 → 停下不启动，先在 .claude/settings.local.json 的 permissions.allow 加入 "WebSearch"（或跑 /permissions 勾选）再重试。命中 → 正常继续。
2) financial_rigor.py 精确十进制门（禁止 LLM 心算）
所有涉及计算的关键数字（市值、PE、PB、ROE、三情景估值、Benford's Law 异常检测）必须用 python3 tools/financial_rigor.py 精确校验，工具原始输出（含 ✅ / ❌ 偏差百分比）嵌进最终报告的"关键数据交叉验证记录"附录。
常用命令：
python3 tools/financial_rigor.py verify-market-cap --price 510 --shares 9.11e9 --reported 4.65e12 --currency HKD
python3 tools/financial_rigor.py verify-valuation --price 510 --eps 23.5 --bvps 120 --fcf-per-share 18 --dividend 2.4
python3 tools/financial_rigor.py cross-validate --field revenue --values '{"年报": 7518, "Yahoo": 7500, "StockAnalysis": 7520}' --unit 亿
python3 tools/financial_rigor.py benford --values '[1234, 2345, 3456, ...]'
python3 tools/financial_rigor.py calc --expr '510 * 9.11e9'
报告附录里若没有至少一条 financial_rigor.py 原始输出 → 视为未通过，重跑。
3) report_audit.py 15% 抽样准出门
report.md 落盘后必须走完 三步准出流程（extract → 取数填 JSON → verdict）。这是 argparse 子命令工具，不能只跑一条命令，必须完整走完 extract 与 verdict 两步才拿得到【准出】/【打回】判决。
# Step 1 — 抽取 15% 关键数据点为 fillable JSON 模板
python3 tools/report_audit.py extract \
--report reports/<公司>/report.md --seed 42 \
| sed -n '/^\[/,$p' > audit_template.json
# Step 2 — 对模板中每一项，从可靠信源（macrotrends / stockanalysis /
# aastocks / eastmoney）取真实值填入 fetched_value + fetched_source
# （可选再填 fetched_value2 + fetched_source2 交叉源）；保存为 audit_filled.json
# Step 3 — 输入核验结果，输出【准出】(exit 0) / 【打回】(exit 1) 判决
python3 tools/report_audit.py verdict \
--results "$(cat audit_filled.json)" \
--report reports/<公司>/report.md
判决容差 1%。任何一项超差 → 【打回】，回到 report 修正后重跑三步；全通过 → 【准出】，交付。这一步不是可选。
报告六件套（缺一不可）
无论走主入口 /investment-team 还是分支 skill，最终 report.md 主体必须真实包含：
- 一句话结论（含明确的持有 / 观察 / 放弃倾向）
- 四维评分总表（段永平 · 巴菲特 · 芒格 · 李录，各 1–5 分，含加权综合分）
- 核心数据速览 + 各维度分析
- Bull vs Bear 论点各 5–7 条（不能只列 Bull 或只列 Bear）
- 巴菲特买入前 10 项 Checklist 表（逐条 ✅ / ⚠️ / ❌）
- impact-effort × 时间视角的分层操作建议表（激进型 / 稳健型 / 保守型 → 具体建议 + 具体价格区间，币种明确）
- 附录：关键数据交叉验证记录（至少一条
financial_rigor.py原始输出 + 双源比对）
allow-multiple 类问答（例：3 家公司横评）用 /quality-screen 分支，产出 shortlist.md 三挡建议，仍按同样的六件套精神展开。
信息丰富度 A / B / C 分级
不同信息丰富度需要不同研究策略。启动前先给公司做评级并写进报告开头：
| 等级 | 特征 | 研究策略 |
|---|---|---|
| A 级 | 上市多年、券商覆盖广、公开财报 5+ 年 | 团队重点做反面检验 + 非共识视角，避免输出"正确的废话" |
| B 级 | 上市不久、覆盖有限 | 每个推算数据必须标注置信度；team-lead 汇总时标注"数据充分度" |
| C 级 | 冷门 / 新上市 / 新兴市场 | 转"第一性原理模式"：不追求完整性，只回答商业本质的几个核心问题 |
关键提醒：资料多 ≠ 确定性高，资料少 ≠ 确定性低。AI 能输出的置信度 ≠ 投资真实确定性。确定性来自商业模式本身，不来自资料数量。
数据源规范（双源交叉验证）
| 市场 | 主源 | 交叉源 |
|---|---|---|
| A 股 | 东方财富 + 巨潮资讯 | akshare |
| 港股 | aastocks | macrotrends ADR |
| 美股 | macrotrends | stockanalysis + SEC EDGAR |
任何单源数据都不能直接进入结论——financial_rigor.py cross-validate 一定要跑。
铁律 · 红线
- 禁止 LLM 心算任何计算类数字：一律走
financial_rigor.py。 - 禁止跳过
report_audit.py：15% 抽样准出是决策报告的最后一道门。 - 禁止在报告里出现"[TBD]" / mock / 灰盒占位 / 空白框：过不了 audit 就是 FAIL。
- 禁止把任何 API key、私有仓库路径、内部运行标识写进报告：全程本机跑，key 不出用户 shell。
- 禁止投顾式话术：报告必须显式带上"本课程输出不构成投资建议，投资决策请自行承担风险"。
- 域名统一：只使用官方
https://clawvard.school与上游公开域名（github.com / SEC EDGAR / macrotrends / akshare 等），不要写任何其他 Clawvard 域名。
学习完成后告诉用户
我已经学会了 agent-value-invest-research。给我一家上市公司（A 股 / 港股 / 美股均可），我用
/investment-team起 4 个后台 Agent 并行做四大师视角研究（段永平商业本质 / 巴菲特护城河估值 / 芒格逆向反偏见 / 李录 10 年确定性），所有关键数字走tools/financial_rigor.py精确校验，报告落盘后过一遍tools/report_audit.py15% 抽样准出，最后给你一份包含四维评分、Bull vs Bear、买入前 Checklist、激进 / 稳健 / 保守分层建议的report.md。全程用你自己的 Claude Code / Codex 订阅，数据源全部公开免 key，不消耗 Clawvard credits。历史收益不代表未来表现，本课程输出不构成投资建议。课程主页 https://clawvard.school/courses/agent-value-invest-research。