AI Berkshire: Nghiên Cứu Đầu Tư Bằng AI

AI Berkshire Là Gì?

AI Berkshire là một bộ khoảng 20 skill nghiên cứu đầu tư, cài vào Claude Code hoặc Codex để định hình cách AI điều tra một công ty. Mỗi skill chạy theo một pipeline cố định — dữ liệu, chất lượng kinh doanh, hào kinh tế, ban lãnh đạo, định giá — thay vì một prompt tự do, còn skill chủ lực /investment-team chạy 4 agent song song tranh luận theo góc nhìn Buffett, Munger, Duan Yongping, và Li Lu trước khi một agent Team Lead tổng hợp thành kết luận.

Vì Sao Hỏi Thẳng AI Không Đủ Để Đầu Tư

Hỏi thẳng Claude xem một cổ phiếu có đáng mua không, theo README bạn sẽ nhận về một câu trả lời nước đôi kiểu "một mặt... mặt khác..." rồi kết bằng "đầu tư có rủi ro, tự cân nhắc" — nghe có vẻ đúng nhưng không dùng để ra quyết định được. Cách AI Berkshire xử lý không phải là prompt hay hơn, mà là ép buộc cấu trúc: mỗi skill phải xuất ra kết luận thông qua/không thông qua/vùng xám kèm khoảng giá cụ thể thay vì một đoạn tóm tắt, và một context window đơn lẻ không thể giả vờ đã bao quát mọi góc nhìn. README cũng chỉ ra tính toán nhẩm của LLM là một điểm yếu thật sự — lệch một chữ số thập phân trong P/E, hay nhầm đơn vị HKD với RMB khi tính vốn hóa, đều có thể đảo ngược kết luận — nên framework chuyển toàn bộ phép tính sang một script Python thay vì để model tự ước lượng.

Năng Lực Cốt Lõi Cho Nghiên Cứu Đầu Tư Có Cấu Trúc

• ✓Phân tích đối kháng bốn góc nhìn: /investment-team chạy Buffett, Munger, Duan Yongping, và Li Lu như 4 agent độc lập, mỗi agent tự tìm kiếm và tự chấm điểm trước khi một agent Team Lead dung hòa bất đồng — ví dụ PDD trong README cho ra điểm 4.4, 3.7, 3.5, và 2.0 trên cùng một công ty.
• ✓Cơ chế chống thiên kiến có cấu trúc: xếp hạng độ giàu dữ liệu A/B/C để đánh dấu thông tin mỏng, một prompt kiểu Munger buộc nghĩ về kịch bản khiến luận điểm sụp đổ, một checklist phủ quyết nhanh 8 tiêu chí có thể loại một công ty chỉ vì vấn đề đạo đức ban lãnh đạo bất kể định giá rẻ ra sao, và framework được yêu cầu trả lời "vùng xám" thay vì giả vờ chắc chắn.
• ✓Công cụ tính toán tài chính chặt chẽ: tools/financial_rigor.py chạy các lệnh kiểm tra vốn hóa và định giá (verify-market-cap, verify-valuation), đối chiếu chéo một chỉ số qua nhiều nguồn, và kiểm tra định luật Benford trên số liệu tài chính — tất cả dùng decimal.Decimal của Python thay vì float.
• ✓Đầu ra checklist có thể lặp lại: /investment-checklist và /quality-screen áp cùng một thước đo lên nhiều mã cùng lúc, đúng như bảng so sánh trong README chấm điểm 7 công ty (Moutai, Tencent, Nvidia, Meituan, Kuaishou, PDD, Pop Mart) trên cùng thang 5 sao.
• ✓Thiết kế ba tầng: tầng skill với khoảng 20 điểm vào cho từng tác vụ nghiên cứu cụ thể, tầng agent nơi các skill dạng team điều phối 4 agent góc nhìn đại sư, và tầng tool xử lý tính toán chính xác cùng đối chiếu chéo bên dưới cả hai tầng trên.
• ✓Đóng gói cho cả hai client: cùng một workflow gốc được phát hành dưới dạng Claude Code command (skills/*.md) và Codex skill package (codex-skills/*/SKILL.md), sinh ra từ chính các file nguồn đó qua scripts/sync-codex-skills.py.

Cài Đặt AI Berkshire

Trước tiên cài AI client: `npm install -g @anthropic-ai/claude-code` cho Claude Code, hoặc Codex qua `npm install -g @openai/codex` (cũng có bản curl script hoặc `brew install --cask codex`, kiểm tra bằng `codex --version`). Sau đó clone chính framework này — `git clone https://github.com/xbtlin/ai-berkshire.git` — rồi chạy installer tương ứng: `./scripts/install-claude-commands.sh` copy các skill vào thư mục commands toàn cục của Claude Code, còn `./scripts/install-codex-skills.sh` cài vào `~/.codex/skills` (có thêm `./scripts/install-codex-prompts.sh` tùy chọn để tương thích Codex slash prompt). Người dùng Windows chạy các script `.bat` tương ứng từ PowerShell hoặc Command Prompt. Vì các skill này gọi tool liên tục, mặc định Claude Code sẽ hỏi xác nhận quyền ở mỗi lần gọi — README ghi bạn có thể khởi động bằng `claude --dangerously-skip-permissions` để bỏ qua bước này, nhưng chỉ nên làm vậy trong môi trường và repo bạn thực sự tin tưởng, vì nó tắt hoàn toàn lớp bảo vệ xác nhận tool.

Khám Phá Hơn 20 Skill Đầu Tư

Sau khi cài, các skill được gọi như slash command: `/investment-research 腾讯` chạy quy trình 7 module cho một công ty, `/investment-team 美团` chạy bản 4-agent song song, còn `/investment-checklist 腾讯, 阿里巴巴, 美团` chạy checklist 6 cửa trên nhiều mã cùng lúc. Phân tích báo cáo tài chính có cặp riêng — `/earnings-review` đọc trực tiếp báo cáo gốc cho một công ty, `/earnings-team` cho bản đọc bốn góc nhìn kết thúc bằng một bài viết dạng WeChat có thể xuất bản. Nghiên cứu ngành chạy qua `/industry-research` cho bản đồ chuỗi cung ứng, hoặc `/industry-funnel`, được README mô tả là thu hẹp từ khoảng 30-60 ứng viên xuống còn 3 công ty cuối cùng. Quản lý danh mục gồm `/portfolio-review`, `/thesis-tracker`, `/thesis-drift` để so sánh hai phiên bản luận điểm theo thời gian, và `/news-pulse` cho một lượt quy nguyên nhân nhanh khi cổ phiếu biến động mạnh. Trong Codex, cùng các skill này được gọi bằng cách mô tả tác vụ bằng ngôn ngữ tự nhiên sau khi khởi động lại, hoặc qua `/prompts:investment-research` nếu đã cài lớp slash prompt tùy chọn. Lời khuyên chi phí trong chính README: chạy các bước sàng lọc rẻ trước (`/quality-screen`, `/news-pulse`), chỉ dùng các skill multi-agent đầy đủ khi ứng viên đã đáng để tốn thêm token.

Các Công Cụ AI Khác Cho Phân Tích Tài Chính

Câu Hỏi Thường Gặp

Trường hợp sử dụng tốt nhất

• •Xây một bản ghi nhớ nghiên cứu có cấu trúc trước khi mua hoặc gia tăng một vị thế, vì cả /investment-research lẫn /investment-team đều kết thúc bằng kết luận thông qua/không thông qua/vùng xám kèm khoảng giá thay vì một đoạn tóm tắt.
• •Sàng lọc một ngành hay chỉ số xuống thành danh sách rút gọn — /industry-funnel thu hẹp từ một tập ứng viên rộng xuống còn vài cái tên cuối cùng, còn /quality-screen áp 7 bộ lọc cứng lên từng cổ phiếu, một ngành, một chỉ số, hoặc một chủ đề.
• •Đọc báo cáo tài chính dựa trên tài liệu gốc thay vì tóm tắt qua tay người khác bằng /earnings-review, hoặc biến lượt đọc đó thành một bài viết có thể xuất bản bằng /earnings-team.
• •Theo dõi xem một luận điểm đầu tư hiện có còn đứng vững không — /thesis-tracker bám theo một vị thế theo thời gian và /thesis-drift so sánh hai phiên bản luận điểm để tách bạch thay đổi sự thật khỏi thay đổi định giá hay chỉ là cách diễn đạt khác.
• •Có một góc nhìn nhanh về lý do một cổ phiếu biến động mạnh, nhờ lượt quy nguyên nhân 10-15 phút của /news-pulse, trước khi quyết định liệu biến động đó có đáng để chạy một lượt nghiên cứu sâu đầy đủ hay không.

Ai nên dùng — và ai nên bỏ qua

Hãy thử AI Berkshire nếu bạn đã tự làm nghiên cứu cơ bản bằng tay — đọc báo cáo tài chính gốc, tự xây mô hình định giá — và muốn một quy trình AI buộc ra kết luận cụ thể, có nguồn, thay vì văn phong nước đôi, đặc biệt nếu bạn thoải mái chạy Claude Code hay Codex từ terminal và chấp nhận chi phí token của phân tích multi-agent. Bỏ qua nếu bạn muốn được gợi ý nên mua gì: README nói rõ đây là công cụ học tập và nghiên cứu, không phải cố vấn, và mọi đầu ra vẫn cần thêm phán đoán và thẩm định của chính bạn.

Repo liên quan