/CLAUDE.md

AI Berkshire — 项目指令

项目概述

基于 Claude Code 的价值投资研究 Skill 合集。四大师框架：巴菲特、芒格、段永平、李录。 GitHub: xbtlin/ai-berkshire

项目结构

skills/          — 投研 Skill 定义（.md），复制到 ~/.claude/commands/ 使用
tools/           — 辅助工具（financial_rigor.py 精确计算）
reports/         — 投资研究报告输出
assets/          — 图片等静态资源

报告目录结构

所有报告按公司名建文件夹，公司相关的所有报告放在对应文件夹内：

reports/
├── AI产业研究/              — AI产业链全景研究（置顶）
│   ├── AI五层蛋糕-产业全景研究-20260605.md
│   └── AI五层蛋糕-公众号-20260605.md
├── 腾讯/                    — 腾讯所有研究报告
│   ├── 腾讯-research-20260408.md
│   ├── 腾讯-earnings-2025Q4.md
│   ├── 腾讯-management-20260409.md
│   └── 腾讯-thesis.md
├── 拼多多/                  — 拼多多所有研究报告
├── 泡泡玛特/                — 泡泡玛特所有研究报告
├── 核电-industry-20260409.md — 行业报告放根目录
├── AI算力-funnel-20260509.md  — 漏斗筛选报告放根目录
├── AI-轮动判断-20260509.md    — 主题级综合判断报告放根目录
├── portfolio-latest.md       — 组合报告放根目录
└── 多公司对比-checklist-20260408.md — 多公司报告放根目录

报告命名规范

Skill	文件命名格式	示例
/investment-team	{公司名}/ 目录内含4个视角+最终报告	reports/拼多多/最终报告.md
/investment-research	{公司名}-research-{YYYYMMDD}.md	reports/腾讯/腾讯-research-20260408.md
/investment-checklist	{公司名}-checklist-{YYYYMMDD}.md	reports/腾讯/腾讯-checklist-20260408.md
/industry-research	{行业名}-industry-{YYYYMMDD}.md（根目录）	reports/核电-industry-20260409.md
/industry-funnel	{行业名}-funnel-{YYYYMMDD}.md（根目录）	reports/AI算力-funnel-20260509.md
/private-company-research	{公司名}-private-{YYYYMMDD}.md	reports/字节跳动/字节跳动-private-20260408.md
/earnings-review	{公司名}-earnings-{期间}.md	reports/腾讯/腾讯-earnings-2025Q4.md
/earnings-team	{公司名}/ 目录内含4个大师视角+研究底稿+公众号文章+读者评审	reports/腾讯/腾讯-earnings-2025Q4.md（公众号定稿）
/thesis-tracker	{公司名}-thesis.md（长期维护）	reports/腾讯/腾讯-thesis.md
/portfolio-review	portfolio-latest.md（根目录，持续更新）	reports/portfolio-latest.md
/management-deep-dive	{公司名}-management-{YYYYMMDD}.md	reports/腾讯/腾讯-management-20260409.md

/investment-team 文件结构

reports/{公司名}/
├── README.md                         — 研究框架概览+核心结论
├── 01-商业模式分析-段永平视角.md
├── 02-财务估值分析-巴菲特视角.md
├── 03-行业竞争分析-芒格视角.md
├── 04-风险管理层评估-李录视角.md
└── 最终报告.md                       — Team Lead 综合报告

投研分析核心原则（最高优先级）

• 客观、客观、客观——所有投研分析必须基于事实和数据，严禁主观臆断
• 严格区分"事实"与"观点"：事实用数据支撑，观点必须明确标注为"观点"或"推测"
• 不预设立场：不预设看多或看空，先摆数据、再推逻辑、最后得结论。结论必须从数据中自然推出
• 禁止使用"我认为"、"我觉得"、"显然"等主观表述，改用"数据显示"、"证据表明"、"根据XX来源"
• 呈现正反两面：每个核心判断都必须附带反面论据（"但另一方面..."），让读者自己权衡
• 对不确定的事情诚实说"不确定"或"数据不足"，不要用推测填充确定性
• 所有skill（investment-team、investment-research、earnings-review等）在执行时都必须遵守以上原则

报告语言与风格

• 所有报告使用中文
• 风格：直接、犀利、不说废话
• 数据必须标注来源，关键数据至少2个来源交叉验证
• 估计值必须注明"估计"
• 评分使用★符号（★1-5），不含半星
• 穿插巴菲特/芒格/段永平/李录的语录点评

GitHub 操作

• 本地克隆路径：~/ai-berkshire/
• 远程仓库：https://github.com/xbtlin/ai-berkshire.git
• 推送前先 git pull --rebase origin main（远程经常有新提交）
• commit message 用中文，描述清楚改了什么
• 不要推送中间过程文件（如 data_collection.md），只推最终报告

常用命令

# 推送报告到GitHub
cd ~/ai-berkshire
git add reports/xxx.md
git commit -m "添加xxx报告"
git pull --rebase origin main
git push origin main

注意事项

• 市值必须手算校验：股价 × 总股本，与报告市值对比
• 货币单位要明确（港币/人民币/美元），防止混淆
• PE/ROE等指标用 tools/financial_rigor.py 精确计算
• 报告写完后主动询问是否推送到GitHub