개요
AI Berkshire는 Claude Code와 Codex에서 쓰도록 설계된 가치투자 리서치 skill 모음이다. 저장소는 “한 사람 + Claude Code/Codex = 하나의 투자 리서치 팀”이라는 포지션을 내세우며, 버핏·멍거·단융핑·리루 네 투자자 관점을 별도 분석 프레임으로 분리해 회사 분석, 재무제표 검토, 산업 스크리닝, 포트폴리오 관리까지 실행하도록 구성한다.
2026-07-27 캡처 기준 GitHub 메타데이터는 stars 14,391, forks 2,034, MIT License, 주 언어 Python, 최근 push 2026-07-26이다. 저장소 설명은 “AI-era Berkshire: a value investing research framework built for Claude Code / Codex”로, claude-code, mcp, financial-analysis, value-investing, portfolio-management 등을 주요 토픽으로 둔다.
핵심 구조
- Skill layer:
/investment-research,/investment-team,/earnings-review,/earnings-team,/industry-research,/quality-screen,/portfolio-manager등 20개 진입점을 제공한다. - Agent layer: 팀형 skill은 Team Lead가 네 명의 “마스터 관점” 에이전트를 병렬 실행해 독립 조사와 상호 반박을 수행하도록 설계되어 있다.
- Tool layer: 금융 계산을 Python
decimal.Decimal기반으로 검산하고, 시가총액·밸류에이션·환율/통화 단위 혼동 같은 오류를 줄이는 보조 도구를 둔다.
이 저장소가 해결하려는 문제
일반 LLM에게 “이 회사 살 만한가?”를 직접 묻는 방식은 균형 잡힌 문장과 면책 조항은 잘 만들지만, 실제 의사결정에 필요한 가격 구간, 통과/탈락 판단, 반대 논리, 데이터 신뢰도 표기가 약하다. AI Berkshire는 리서치 결과를 통일된 checklist와 보고서 구조로 강제하고, “정보 풍부도 A/B/C”, “빠른 부결 red flag”, “반공감대 점검”, “모른다고 남겨두기” 같은 반편향 장치를 워크플로 안에 넣는다.
위키 관점에서의 위치
이 프로젝트는 자동매매 실행 봇이라기보다 Claude Code/Codex용 금융 리서치 하네스에 가깝다. 따라서 moc-ai-agents-trading의 실행/매매 시스템들과 비교하면 주문 집행보다 분석 품질·의사결정 규율·보고서 재현성에 초점이 있고, moc-ai-coding 관점에서는 도메인 특화 skill package가 코딩 에이전트 생태계 밖의 지식 업무로 확장되는 사례다.
주의점
README에는 작성자의 2024·2025 실계좌 수익률과 주요 지수 대비 초과수익이 제시되어 있지만, 이는 저장소가 제공하는 프레임워크의 성능을 엄밀히 검증한 백테스트나 독립 감사 결과는 아니다. 투자 판단에 쓰려면 원자료, 계산식, 데이터 출처, 리스크 가정, 포지션 사이징 규칙을 별도로 검증해야 한다.