菜单
AI Berkshire skill: 巴菲特价值投资买入前 Checklist. Source: skills/investment-checklist.md.
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
AI Berkshire skill: 财务数据获取与交叉验证规范. Source: skills/financial-data.md.
AI Berkshire skill: 深度公司系列：8 篇长文拆一家公司. Source: skills/deep-company-series.md.
AI Berkshire skill: 投资论文漂移检测：分清事实变化与措辞变化. Source: skills/thesis-drift.md.
AI Berkshire skill: 供应链瓶颈猎手：AI驱动的全球产业链瓶颈套利. Source: skills/bottleneck-hunter.md.
AI Berkshire skill: 段永平问答：以他的方式思考. Source: skills/dyp-ask.md.
AI Berkshire skill: 财报精读：一手资料深度解读. Source: skills/earnings-review.md.
| name | investment-checklist |
| description | AI Berkshire skill: 巴菲特价值投资买入前 Checklist. Source: skills/investment-checklist.md. |
This skill is generated from skills/investment-checklist.md so Claude Code and Codex users share one canonical workflow.
$ARGUMENTS as the user's request in the current Codex thread.tools/ in this repository. Prefer running commands from the repository root with paths like python3 tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.对 $ARGUMENTS 执行巴菲特价值投资买入前 Checklist 分析。
支持输入格式：单个或多个公司，用逗号/顿号/空格分隔。例如：腾讯, 茅台, 英伟达 或 NVDA AAPL MSFT
从 $ARGUMENTS 中解析出所有公司名称/代码。对每家公司确定：
对每家公司进行"信息丰富度"快速评级（A/B/C），并在报告中标注：
| 等级 | 判断标准 | 对Checklist的影响 |
|---|---|---|
| A级 | 上市多年、数据充裕 | 正常执行，但警惕"共识陷阱"——所有指标看起来都清晰不代表真的确定 |
| B级 | 数据有限需推算 | 每个推算指标标注置信度，"好生意"判断加权考虑数据可靠性 |
| C级 | 信息极度稀缺 | 不勉强填满六关表格，诚实标注"数据不足无法判断"，聚焦可验证的核心问题 |
核心原则：Checklist的目标是排除坏选择。对于C级公司，"数据不足"不等于"不通过"，也不等于"通过"——应诚实标注为"灰色地带，需补充一手信息"，而不是因为AI无法填满表格就判为否决。
段永平说过："看不懂"有两种——一种是生意太复杂真的看不懂，一种是你还没花时间去看。AI研究的局限是容易把"资料少"和"看不懂"混为一谈。
使用 Task 工具为每家公司启动独立的后台 Agent 进行数据收集（所有公司同时并行启动），每个Agent负责收集：
对每家已上市公司，依次过六关：
必须回答：
评分标准（★1-5）：
硬性否决：如果连赚钱方式都说不清，直接标记为"不在能力圈，不做分析"。
用数据说话，关键指标必须通过工具精确计算：
python3 tools/financial_rigor.py verify-valuation \
--price {股价} --eps {EPS} --bvps {每股净资产} --fcf-per-share {每股FCF} --dividend {每股股息}
| 指标 | 该公司数值 | 参考标准 | 判断 |
|---|---|---|---|
| ROE（5年均值） | >15%优秀, >20%卓越 | ||
| 毛利率 | >40%暗示定价权 | ||
| 自由现金流 | 持续为正、≈净利润 | ||
| 资本开支强度 | 轻资产优于重资产 | ||
| 负债水平 | 有息负债/净利润<3年 |
评分标准（★1-5）：
逐项检查：
| 护城河类型 | 是否具备 | 具体证据 | 变宽还是变窄？ |
|---|---|---|---|
| 品牌/定价权 | |||
| 转换成本 | |||
| 网络效应 | |||
| 成本/规模优势 | |||
| 技术/专利壁垒 |
追加检验：如果给竞争对手100亿，能否复制这门生意？
评分标准（★1-5）：
| 检查项 | 评估 |
|---|---|
| 诚实度（承诺vs交付） | |
| 资本配置能力（回购/分红/并购记录） | |
| 股东利益导向（持股、薪酬） | |
| 所有者心态（创始人 vs 职业经理人） | |
| 公司治理（关联交易、商誉、审计） | |
| CEO离开后能否照常运转？ |
评分标准（★1-5）：
| 指标 | 数值 | 历史分位 | 判断 |
|---|---|---|---|
| PE (TTM) | |||
| 前瞻PE | |||
| PB | |||
| 股息率 | |||
| FCF Yield |
追加检验（必须通过工具精确计算，禁止心算）：
python3 tools/financial_rigor.py three-scenario \
--price {股价} --eps {EPS} --shares {股本亿} \
--growth {乐观} {中性} {悲观} --pe {乐观PE} {中性PE} {悲观PE} --currency {币种}
评分标准（★1-5）：
检查以下情绪信号：
对每家公司写出镜子测试语句：
"我以 ___元 买入 ___公司，因为：
- 这门生意的本质是___，我理解它；
- 它的护城河是___，而且在变宽/变窄；
- 管理层___，值得/不值得信赖；
- 当前价格相当于内在价值的___折，有/无足够安全边际；
- 即使我错了，下行风险可控/不可控，因为___。"
5句话说不完整 = 不买。 明确标注"通过"或"未通过"。
对每家公司逐条检查，触发任何一条直接标注为"否决"：
当分析多家公司时，必须生成对比总览表：
| 公司 | Checklist通过？ | 能力圈 | 好生意 | 护城河 | 管理层 | 安全边际 | 核心结论 |
|---|---|---|---|---|---|---|---|
| ★☆☆☆☆ | ★☆☆☆☆ | ★☆☆☆☆ | ★☆☆☆☆ | ★☆☆☆☆ |
对每家公司给出明确结论（不回避）：
将完整报告写入 ~/巴菲特Checklist-[公司名或"多公司对比"].md