augur

# Augur — 多智能体投资分析系统 ## 系统概览 Augur 是一个 **18位虚拟投资大师的多智能体分析系统**。每位投资人都有独立的人格、哲学框架、行为规范和评分逻辑，系统最终用多Agent共识机制（行业加权、机制感知、相关性惩罚）汇总出集体判断。 你可以： 1. **单个投资人分析** — `augur-buffett`、`augur-zhang-lei` 等独立 Skill 2. **多Agent共识** — 全部18位大师同时分析，给出加权共识信号 3. **部署到任意平台** — Telegram、Slack、WeChat、Claude、Hermes 都支持 --- ## 18位投资大师 | Skill名称 | 投资人 | 风格 | 适合场景 | 推荐模型 | |-----------|--------|------|---------|---------| | `augur-buffett` | Warren Buffett | 护城河价值投资 | 蓝筹、消费、金融 | claude-sonnet-4-6 | | `augur-graham` | Benjamin Graham | 深度价值/安全边际 | 低估、破净、周期底 | claude-sonnet-4-6 | | `augur-munger` | Charlie Munger | 格栅理论 | 跨学科分析、复杂企业 | claude-sonnet-4-6 | | `augur-lynch` | Peter Lynch | GARP/PEG | 消费成长、行业轮动 | claude-sonnet-4-6 | | `augur-dalio` | Ray Dalio | 宏观/全天候 | 宏观对冲、地缘 | claude-sonnet-4-6 | | `augur-soros` | George Soros | 反身性/宏观交易 | 危机、货币、做空 | claude-sonnet-4-6 | | `augur-marks` | Howard Marks | 周期/逆向 | 周期底部、风险管理 | claude-sonnet-4-6 | | `augur-cathie-wood` | Cathie Wood | 颠覆性创新 | AI、生物、区块链 | claude-sonnet-4-6 | | `augur-fisher` | Philip Fisher | 成长股/闲聊法 | 科技、细分成长 | claude-sonnet-4-6 | | `augur-thiel` | Peter Thiel | 从0到1/垄断 | 科技垄断、平台 | claude-sonnet-4-6 | | `augur-arps` | ARPS | Crypto/黄金宏观 | 数字资产、避险 | claude-sonnet-4-6 | | `augur-aschenbrenner` | Leopold Aschenbrenner | AI地缘政治 | AI算力、半导体 | claude-opus-4-7 | | `augur-dayu` | 🇨🇳 大宇 (BTCdayu) | 信息差/情绪动量 | Crypto、Meme | deepseek-v4 | | `augur-duan-yongping` | 🇨🇳 段永平 | 本分/极度集中 | 消费电子、平台 | deepseek-v4 | | `augur-zhang-lei` | 🇨🇳 张磊 (高瓴) | 结构性价值 | 消费升级、医疗 | deepseek-v4 | | `augur-li-lu` | 🇨🇳 李录 (喜马拉雅) | 深度价值/安全边际 | 低估蓝筹、亚洲 | claude-sonnet-4-6 | | `augur-dan-bin` | 🇨🇳 但斌 (东方港湾) | 品牌护城河/时代β | 中国消费品牌 | kimi-k2 | | `augur-serenity` | Serenity (@aleabitoreddit) | AI/半导体供应链瓶颈 | 半导体卡脖子、CPO | claude-sonnet-4-6 | --- ## 调用方式 ### 方式一：在 Hermes / Claude / OpenClaw 中调用 ``` # 加载主 Skill（18位大师共识） /skill augur "分析 AAPL，PE=32，毛利率46%，ROE=55%，科技板块" # 或加载单个投资人 /skill augur-buffett "用巴菲特框架分析可口可乐 KO，当前PE=26" /skill augur-zhang-lei "张磊视角分析拼多多PDD，营收增速86%，毛利率62%" ``` ### 方式二：API 调用 ```bash # 启动本地服务 python3 -m dashboard.app --port 8000 --cors # 多Agent共识分析 curl "http://localhost:8000/api/analyze/NVDA?pe=45&gross_margins=0.75&roe=0.85&revenue_growth=0.78&sector=Technology" # 单投资人详情 curl "http://localhost:8000/api/persona/buffett" ``` ### 方式三：CLI 直接调用 ```bash pip install -e . python3 -m augur.cli analyze AAPL --pe 32 --gross-margins 0.46 --roe 0.55 python3 -m augur.cli analyze AAPL --persona buffett # 单投资人 python3 scripts/sec_holdings.py buffett zhang_lei li_lu # 实时13F持仓 ``` ### 方式四：部署到 Telegram / Slack / WeChat ```bash # Telegram Bot export TELEGRAM_TOKEN=your_token export AUGUR_API_URL=http://your-server:8000 python3 bots/telegram_bot.py # 用户在 Telegram 发送： # /analyze AAPL pe=32 gm=46 roe=55 ``` --- ## 配置模型 每个 Agent 可独立指定 LLM 模型，编辑 `config/agents.yaml`： ```yaml per_agent: duan_yongping: deepseek-v4 # 段永平用 DeepSeek（中文更准） dan_bin: kimi-k2 # 但斌用 Kimi aschenbrenner: claude-opus-4-7 # AI地缘政治用最强模型 buffett: claude-sonnet-4-6 # 默认 ``` 支持：`claude-*`, `gpt-4o*`, `deepseek-v4`, `kimi-k2`, `minimax-01`，以及任何兼容 OpenAI 接口的本地模型。 --- ## 共识机制说明 所有18位Agent分析完成后，系统用 `DecisionCoordinator` 计算共识： 1. **行业感知权重** — 科技股给 Aschenbrenner/Wood 更高权重，消费股给 Buffett/Munger 更高权重 2. **市场机制路由** — 熊市时 Marks/Dalio 权重提升，牛市时 Lynch/Fisher 权重提升 3. **滚动 IC 权重** — 历史预测准确率高的 Agent 动态加权 4. **多样性相关性惩罚** — 观点高度相似的 Agent 减少冗余权重 5. **Kelly 仓位建议** — 基于共识信号和置信度给出建议仓位比例 6. **风险管理否决层** — 高负债 + 熊市信号时可否决共识看多 --- ## 独立 Skill 目录 ``` augur/ └── skills/ ├── buffett/SKILL.md ├── graham/SKILL.md ├── munger/SKILL.md ├── zhang_lei/SKILL.md ├── li_lu/SKILL.md ├── duan_yongping/SKILL.md ├── dan_bin/SKILL.md ├── serenity/SKILL.md └── ... (18个，可独立安装) ``` 每个独立 Skill 可单独安装到任何 agentskills.io 兼容平台： ```bash # 只安装巴菲特 Agent hermes skills install https://github.com/BruceLanLan/augur/tree/main/skills/buffett # 只安装中国投资人组合 hermes skills install https://github.com/BruceLanLan/augur/tree/main/skills/zhang_lei hermes skills install https://github.com/BruceLanLan/augur/tree/main/skills/li_lu hermes skills install https://github.com/BruceLanLan/augur/tree/main/skills/duan_yongping hermes skills install https://github.com/BruceLanLan/augur/tree/main/skills/dan_bin ```