Как собрать инвестиционную команду из четырех миллиардеров внутри Claude
Недавно наткнулся на репозиторий, который заставил меня по-другому взглянуть на использование LLM в реальных задачах. Обычно, когда просишь нейронку проанализировать акцию, получаешь водянистый ответ в духе «с одной стороны — рост, с другой — риски». Жить с таким прогнозом нельзя, а торговать на бирже — тем более.
Проект ai-berkshire предлагает другой путь. Автор упаковал философию Уоррена Баффетта, Чарли Мангера, Ли Лу и Дуань Юнпина в набор скиллов для Claude Code. Это не просто промпты, а структурированная среда, которая заставляет ИИ-агентов спорить друг с другом и выдавать конкретные рекомендации с ценовыми уровнями.
Почему обычный чат с ИИ бесполезен для инвестора
Главная проблема стандартных моделей — их стремление к консенсусу и безопасности. Они боятся ошибиться, поэтому выдают сбалансированные, но бесполезные отчеты. В инвестициях же важна решительность: покупать или нет? По какой цене? Где предел риска?
В ai-berkshire эта проблема решена через «многоагентность». Вместо одного чата запускается мини-команда. Пока один агент ищет признаки «рва» вокруг бизнеса по Баффетту, другой включает режим Мангера и пытается найти причины, по которым компания может обанкротиться. Такая состязательность убирает галлюцинации и вытаскивает на свет неудобные факты, которые человек мог пропустить на эмоциях.
Кстати, автор проекта подкрепляет эффективность системы реальными цифрами: доходность +69% в 2024 году. Конечно, исторические показатели не гарантируют прибыли в будущем, но это явно интереснее, чем теоретические рассуждения.
https://raw.githubusercontent.com/xbtlin/ai-berkshire/main/assets/2024-returns.jpg
Что умеет этот фреймворк
Внутри репозитория лежит 16 специализированных навыков (skills). Они разбиты по сценариям, от глубокого бурения одной компании до экспресс-проверки по чек-листу.
Глубокое исследование через /investment-team
Это флагманская фича. Команда из четырех агентов параллельно изучает бизнес-модель, финансовые показатели, конкурентную среду и качество менеджмента. На выходе получается отчет, где мнения мастеров могут расходиться. Например, Баффетт может хвалить дешевизну акций, а Ли Лу — сомневаться в долгосрочной устойчивости через 10 лет. Именно в этом столкновении взглядов рождается истина.
Проверка на вшивость через /quality-screen
Инструмент для тех, кто не хочет тратить время на мусорные активы. Система прогоняет компанию по семи жестким критериям. Если менеджмент замечен в сомнительных схемах или у бизнеса нет понятного рычага роста, проект отбраковывается сразу.
Детектив для непубличных компаний
Интересный навык /private-company-research. Он заточен под анализ компаний вроде SpaceX, данных о которых в открытом доступе мало. ИИ пытается собрать финансовую картину по фрагментам: новостям о раундах инвестиций, отчетам материнских структур или отраслевой аналитике, помечая уровень достоверности каждого факта.
Техническая сторона вопроса
Проект построен вокруг Claude Code — CLI-инструмента от Anthropic. Чтобы запустить все это у себя, нужно сначала установить сам Claude Code через npm, а затем скопировать файлы из папки skills/ в локальную директорию команд Claude.
Интересная деталь: автор внедрил инструмент financial_rigor.py. Он решает проблему «галлюцинаций в расчетах», которой страдают все языковые модели. Вместо того чтобы доверять ИИ умножение больших чисел, система использует Python с библиотекой decimal для точных вычислений. Она перепроверяет капитализацию, сверяет данные из разных источников и бьет тревогу, если расхождение превышает 1%.
https://raw.githubusercontent.com/xbtlin/ai-berkshire/main/assets/architecture.png
Как начать пользоваться
Для работы понадобится установленный Node.js и API-ключ Anthropic. Процесс выглядит примерно так:
- Клонируем репозиторий:
git clone https://github.com/xbtlin/ai-berkshire.git. - Копируем файлы команд:
cp ai-berkshire/skills/*.md ~/.claude/commands/. - Запускаем Claude Code и вызываем нужный скилл, например:
/investment-research NVIDIA.
После этого ИИ начнет сессию планирования, соберет данные и выдаст структурированный вердикт.
Кому это пригодится
Проект вряд ли подойдет тем, кто ищет кнопку «бабло» или занимается скальпингом. Это инструмент для фундаментального анализа. Он идеален для разработчиков, которые хотят автоматизировать рутину при изучении акций, или для инвесторов, желающих добавить дисциплины в свои решения.
Главная ценность здесь не в самих прогнозах, а в методологии. Фреймворк заставляет вас (и ИИ) следовать жесткому алгоритму, не позволяя покупать активы просто потому, что «график растет». Если вы давно хотели прикрутить голову к своим инвестициям, ai-berkshire — отличная точка входа.
Конечно, стоит помнить о дисклеймерах: любые советы ИИ нужно перепроверять руками, особенно когда речь идет о реальных деньгах. Но как инструмент для подготовки качественных аналитических записок этот проект сейчас выглядит одним из лучших в своем классе.
