xbtlin / ai-berkshire

问题：用AI分析股票时，得到的总是模棱两可的平衡分析，无法直接用于决策。

方案：AI Berkshire强制输出明确的通过/不通过/灰色地带结论，并附带具体价格区间和分层建仓建议，让你直接拿结果做决策。

示例：分析拼多多时，系统输出：激进型建议当前价位建仓20%（$95-105），稳健型等回购政策明确后建仓（$85-95），保守型因10年确定性不足直接观望。

问题：手动分析多家公司时，标准不统一、维度不一致，难以横向对比。

方案：使用统一的Checklist对7家公司并行分析，输出结构一致的评分表（能力圈、好生意、护城河、管理层、安全边际），直接对比排序。

示例：一次分析茅台、腾讯、英伟达、美团、快手、拼多多、泡泡玛特，得到标准化评分表，快速识别出茅台（4.7分）和腾讯（4.7分）为最优标的。

问题：AI分析容易陷入数据幻觉或乐观偏见，给出看似正确但经不起推敲的结论。

方案：内置信息丰富度评级、逆向检验、快速否决清单、反共识检查等机制，强制识别隐藏风险。

示例：分析泡泡玛特时，系统自动评为B级（数据有限），并触发逆向检验列出5大失败情景及概率；若管理层有诚信污点，直接一票否决。

问题：团队成员各自分析同一家公司，结论和格式不统一，难以对齐和积累。

方案：可复现的研究流程确保相同输入输出结构一致，支持纵向对比（同一公司半年后重新分析）和横向对齐（团队共享评分标准）。

示例：团队分析腾讯时，所有成员使用同一模板输出护城河评分和估值区间，半年后重新分析直接对比变化，研究结果可追溯、可复用。