価値投資家4人の手法をAIエージェントで体系化した投資調査ツール群「AI Berkshire」が公開され、Claude Code上で動く16種類のコマンドとして提供される。GitHub Trendingで1日あたり1,274スターの急上昇を記録している。
価値投資家4人の手法をAIエージェントで体系化した投資調査ツール群「AI Berkshire」が公開され、GitHub Trendingで1日あたり1,274スターのペースで急上昇、総3,334スターに達した。AnthropicのコーディングAI「Claude Code」上で動く16種類のコマンド（Skill）として提供される。
出発点は、汎用AIに銘柄の是非を尋ねても曖昧な分析と「自己責任で」という結論しか返らないという問題意識である。AI Berkshireは段永平・バフェット・マンガー・李録の4視点を別々のエージェントに割り当てて並列調査させ、矛盾を意図的に生んで盲点をつぶす。出力は「通過/不通過/灰色地帯」と価格帯・投資タイプ別の推奨を強制する。財務計算は浮動小数点を使わず高精度な十進演算で行い、重要データは2つ以上の独立ソースで照合する。
作者は実績収益（2024年+69.29%等）を掲載するが「履歴は将来を保証しない」と免責を明記している。AIを業務に組み込む際の品質設計の一例として参考になる。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Claudeに「この銘柄は買いか」と直接尋ねると、「一方では…他方では…」という当たり障りのない分析と「投資は自己責任で」という結論しか返ってこないことが多い。これでは意思決定に使えない、という問題意識が出発点である。AI Berkshireは結論を出すことの曖昧さではなく、分析の質と判断の規律を解決すると位置づける。具体的には、段永平・バフェット・チャーリー・マンガー・李録という4人の視点を別々のAIエージェントに割り当て、互いに矛盾や緊張を生み出して盲点をつぶす。さらに財務計算は浮動小数点ではなく高精度な十進演算を用い、重要データは2つ以上の独立した情報源で照合する。
汎用AIに質問するだけでは得られない「意思決定に使える調査レポート」を、再現性のある手順で生成しようという設計思想が注目点である。複数エージェントを並列で走らせて視点の対立を意図的に作り、AI特有の「もっともらしいが検証に耐えない答え」を排除する仕組みは、AIを業務に組み込む際の品質設計の一例として参考になる。ただし掲載されている実績収益（2024年+69.29%等）は履歴であり将来を保証しないと作者自身が明記している点には注意が必要だ。
AnthropicのコーディングAI「Claude Code」上で動く価値投資調査ツール群「AI Berkshire」が、GitHub Trendingで1日あたり1,274スターのペースで急上昇し、総3,334スターに達した。出発点は、汎用AIに「この銘柄は買いか」と直接尋ねても「一方では…他方では…」という当たり障りのない分析と「投資は自己責任で」という結論しか返ってこない、という問題意識である。
AI 时代的伯克希尔：基于 Claude Code 的价值投资研究框架。巴菲特·芒格·段永平·李录四大师方法论 + 多Agent并行研究。
引用は「AI時代のバークシャー。Claude Codeを基盤にした価値投資の調査フレームワークで、バフェット・マンガー・段永平・李録という4人の手法と、複数のAIエージェントを並行させる調査を組み合わせる」という意味だ。曖昧さを解くのではなく、分析の質と判断の規律を設計で解く、という姿勢が核にある。
AI Berkshireは段永平・バフェット・チャーリー・マンガー・李録という4人の視点を、それぞれ別々のAIエージェントに割り当て、並列で同じ銘柄を調査させる。1つのAIに総合判断させると意見が平均化して当たり障りのない結論に落ちるが、視点を分離して走らせることで、互いの矛盾や緊張を意図的に生み出し盲点をつぶす狙いがある。
出力も曖昧さを許さない。各調査は「通過」「不通過」「灰色地帯」のいずれかと、具体的な価格帯・投資タイプ別の推奨を強制的に出すよう設計されている。「もっともらしいが意思決定に使えない答え」を構造で排除する、という思想が貫かれている。
機能は16種類のコマンド（Skill）に分かれ、企業分析や財務評価を構造化して出力する。1つの巨大なプロンプトに頼らず、再現可能な手順の集合として組まれている点が、業務組み込みの参考になる。
AI特有の弱点に2つの仕掛けで対処している。1つは計算の正確さだ。財務計算では浮動小数点（コンピュータが小数を近似的に扱う方式で、桁が増えると誤差が出やすい）を使わず、高精度な十進演算で行う。金額の積み上げで生じる端数のズレを避ける設計である。
もう1つはデータの裏取りだ。重要なデータは2つ以上の独立した情報源で照合する。AIが1つの数字を断定的に出してしまう問題に対し、複数ソースの一致を確認する手順を組み込んでいる。
この「計算を正確にする」「数字を必ず裏取りする」という2点は、投資調査に限らず、AIに数値を扱わせる業務一般で再利用できる発想だ。
作者はリポジトリに実績収益（2024年+69.29%等）を掲載している。ただし同時に「履歴は将来を保証しない」と免責を明記している。
AIを業務に組み込む実装担当者にとっては、複数エージェントで視点の対立を作り検証に耐えない答えを排除する設計が、投資以外の調査・審査タスクにも転用できる参考実装になる。Claude Codeを使う開発者にとっては、16種類のコマンドがオープンソースで公開されているため、コードを読んで自分のワークフローに取り込める。
一方、実績収益を鵜呑みにする利用者にとっては注意が要る。掲載された収益は過去の履歴であり、作者自身が将来を保証しないと明示している。出力を投資判断の唯一の根拠にする前に、自分で検証する前提が必要だ。
立場別、明日から動ける一手。
AI Berkshireのリポジトリで16種類のコマンドがどう4視点の並列調査を組んでいるかを確認する。
財務計算で浮動小数点を避ける十進演算と2ソース照合の仕組みを、自社の調査タスクに転用できるか試す。
GitHub Trendingで「ai-berkshire」が1日あたり+1,274スターという急速な伸びを記録し、開発者コミュニティの注目を集めている。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
「AIに投資判断の結論まで出させる」
論点は「AIに投資判断の結論まで出させる」設計思想で、4人の価値投資家の視点を別々のエージェントに割り当てて矛盾を意図的に作り、もっともらしいが検証に耐えない答えを排除する点に関心が向いている。財務計算で浮動小数点を避け重要データを2ソースで照合する品質設計を、投資以外のAI業務組み込みにも応用できる事例として読む声がある一方、掲載された実績収益は履歴であり将来を保証しないとの作者の免責を踏まえ、出力を鵜呑みにせず検証すべきという慎重な見方も併存する。
※トレンド検出時刻付近の人気投稿を表示
