任务级对照 · 不做替代安装 · 两侧都给出可核验产物名
AI Berkshire 与 EasyClaw：两条投研路线怎么选
搜索「AI Berkshire」的人常常同时想问「有没有更省事的路」。 本站把两条路线放在同一张表上对照——AI Berkshire 是装在 Claude Code / Codex 里的 21 个投研 Skill，EasyClaw 是本机已有的金融技能按任务调用。
- 两侧都给出真实产物名：
skills/*.md、tools/*.py对照akshare-finance、fp-dcf、quant-analyst等本机技能 - 不给任一侧打没有证据支撑的总分；每一行都写明判定依据
- 集成状态：unverified，AI Berkshire 与 EasyClaw 无已证实集成
TWO ROUTES
两条路线到底差在哪一行
| 对照维度 | AI Berkshire（自建客户端） | EasyClaw 本机技能 | 本页怎么判定 | 边界说明 |
|---|---|---|---|---|
| 形态 | Claude Code / Codex 上的 21 个 Skill 包 | 29 个已装技能，按任务调用 | 两侧都归到真实文件名 / 技能名 | 本机 29 个里含 3 个非金融类技能 |
| 分发方式 | git clone 仓库后运行 scripts/ 下的安装脚本 | 产品安装后技能随目录提供 | 看安装脚本与技能目录是否真实存在 | 仓库没有 Release 包，也没有 pip 包 |
| 前置条件 | 自备客户端 + git + 模型配额 | EasyClaw + 各数据源自己的授权 | 看脚本源码与各 SKILL.md 的依赖段 | 两条路线都需要额外准备，只是准备的东西不同 |
| 数据来源 | 规范要求分市场双源；A 股主源为东方财富 + 巨潮 | 技能各自封装数据源：AKShare、Tushare、问财、妙想、富途等 | 看规范原文与 SKILL.md 依赖说明 | 两侧都不自带行情数据库 |
| 编排能力 | 四位大师视角 + Team Lead 多 Agent 对抗 | 以单技能为主，按任务选用 | 看 skills/ 与各 SKILL.md 的任务描述 | 本机 29 个技能中没有等价的多 Agent 编排 |
| 报告产出 | 八步框架产出研究报告，并有 15% 抽检准出流程 | 组合回测、估值、体检卡等产物，没有统一的准出流程 | 看 skills/investment-research.md 与各 SKILL.md | 「抽检准出」只出现在一侧 |
| 换机器成本 | 重装客户端并重跑安装脚本 | 重装产品，并重新配置各数据源授权 | 看两边的安装与授权文档 | 授权通常是重新配置里最费时的部分 |
本页结论只到任务级对照：同一个任务，两条路线各自用什么、需要什么、谁更贴合。本站没有做过「把 AI Berkshire 装进 EasyClaw」的验证，也不建议把它读成替代安装方案。
CAPABILITY MATRIX
九个任务维度上的真实对照
| 任务维度 | AI Berkshire 侧怎么做 | EasyClaw 本机怎么做 | 谁更贴合这个任务 | 前置条件 |
|---|---|---|---|---|
| 宏观与行情取数 | financial-data 规定分市场双源交叉验证，以手工访问镜像源为主 | akshare-finance（含加密货币、债券）、tushare-finance（220+ 接口）、mx-data | 本机技能路线：覆盖面更宽且是接口调用 | EasyClaw 侧需各数据源授权（TUSHARE_TOKEN、MX_APIKEY 等） |
| 单公司深度研究 | investment-research 七步框架；investment-team 起四个 Agent 并行 | quant-analyst 可做建模与回测，研究框架需自己组织 | AI Berkshire：把研究流程与追问固定下来了 | AI Berkshire 侧需客户端与模型配额 |
| 财报精读 | earnings-review，流程强制以一手资料为准 | tonghuashun-research-assistant 可查公告与财务数据，并标注数据来源 | AI Berkshire：流程层面限定了一手资料优先级 | 两侧都需要能访问到原始披露文件 |
| 估值与内在价值 | terminal_value.py 终值倍数 + C1/C2/C3 三条硬约束，配三情景区间 | fp-dcf：FCFF → WACC → 每股内在价值 + 敏感性热力图 | 各有侧重：一边是终值倍数路径，一边是 DCF 路径，都可核验 | fp-dcf 明确不支持相对估值 |
| 相对估值（PE / PB / PS） | financial_rigor.py verify-valuation 直接给比率 | 本机没有专门做相对估值的技能（fp-dcf 明确不做） | AI Berkshire | 需要自己确认分母是 TTM 还是年度值 |
| 组合与风险 | portfolio-review 管仓位与集中度纪律 | quant-analyst 做组合优化与风险指标；mx-stock-simulator 可跑模拟组合 | 打平：一边强在纪律，一边强在可模拟 | 模拟盘需妙想授权 |
| 盯盘与异动归因 | news-pulse 做十分钟级异动归因 | stock-monitor-skill-0-1-0（七条预警规则）、a-stock-analysis（分时量能） | 本机技能路线：有持续监控与预警能力 | 监控需要配置标的与规则 |
| 出图与对外写作 | wechat-article 用三个 Agent 协作产出可发布文章 | chart-image 基于 Vega-Lite 出出版级图表 | 看需求：要成稿选前者，要图表选后者 | 出图需 Node 环境 |
| 报告抽检准出 | report_audit.py 按 15% 抽样并给准出 / 打回与退出码 | 没有等价的统一抽检流程；各技能在输出里标注数据来源 | AI Berkshire：本机 29 个技能中没有等价物 | 抽样后需要人工回填双来源数值 |
「谁更贴合」只针对单个任务维度，且判定依据就是同行里的产物名，均可在仓库或本机技能目录核对。一个维度上的贴合不代表整体更强——一整条研究链路仍然要由你自己组装。
LOCAL SKILLS
EasyClaw 本机 29 个技能的实测要点与前置
| 本机技能 | 实测能力要点 | 需要的授权或环境 | 明确不做什么 |
|---|---|---|---|
akshare-finance v1.1 | 股票 / 期货 / 期权 / 基金 / 外汇 / 债券 / 指数 / 加密货币行情 | akshare 版本需 ≥1.18 | 不提供投资建议、不处理实盘交易、不替代专业金融终端 |
quant-analyst v1.0.0 | 金融建模、回测交易策略、风险指标、组合优化、统计套利 | 开工前强制澄清四件事：执行环境 / 数据源 / 目标市场 / 是否用于实盘 | 未澄清前不会直接给方案 |
fp-dcf v0.4.0 | FCFF → WACC → 每股内在价值，附敏感性热力图 | 可走 akshare / baostock / yfinance 取数 | 不支持相对估值（PE/PB/PS）、不生成投资建议、不处理非上市公司 |
tushare-finance | Tushare Pro 220+ 接口 | 需 TUSHARE_TOKEN 环境变量 | 接口权限取决于账号等级 |
mx-select-stock / mx-data / mx-search | 东方财富妙想：资讯搜索、自然语言选股、自选股、金融数据库 | 需 MX_APIKEY | 以官方说明为准 |
mx-stock-simulator | 模拟组合交易 | 需 MX_APIKEY | 是模拟盘，不等于实盘执行 |
eastmoney-operations | 妙想系列的五合一统一入口 | 需 MX_APIKEY | 以官方说明为准 |
tonghuashun-research-assistant | 同花顺问财 + iFinD；run_query.py 路由 market / finance / news / screen / research | 需 API Key 或 MCP 授权 | 缺失数据标 [MISSING]、过期数据标 [STALE]，不做推测填充 |
iwencai | 问财 OpenAPI（openapi.iwencai.com） | 需 API Key | 以官方说明为准 |
tongdaxin | 通达信官方 MCP，提供 10 个工具 | 需 MCP 授权 | 以官方说明为准 |
stock-technical-mastery | K 线形态 + MACD / RSI / 布林带 / 量价 / Wyckoff + 风险管理规则 | 无需额外授权 | 不做基本面分析、不生成投资建议、不覆盖港股 / 美股 / 期货 / 外汇 |
futuapi / futu-zhitou | 富途 OpenAPI 的行情与交易通道 | 需 OpenD 客户端 | futu-zhitou 明确：涉及实际资金的操作默认走模拟环境 TrdEnv.SIMULATE |
chart-image | 基于 Vega-Lite 出出版级图表 | 需 Node 环境 | 只负责出图，不做分析 |
yingmi | 盈米 MCP，提供 69 个工具 | 需授权 | 以官方说明为准 |
以上是本机 C:\Users\CF\.easyclaw\skills 下 29 个技能里与投研相关的部分，要点摘自各技能自己的 SKILL.md。对照结论一句话：本机没有任何一个技能等于「四位大师方法论 + 多 Agent 对抗编排 + 报告抽检准出」这套工作流。具体能力与配额以产品方与各数据源的官方说明为准。
三张均来自本机真实运行（2026-09-28），提示词与返回表格都在图内。它们与 AI Berkshire 的对照只到任务级：同一类问题，本机技能路线用什么、需要什么授权。两者无已证实集成，装任一产品都不会自动获得另一方的能力。
PROJECT SIDE
AI Berkshire 侧对同样任务的做法
| 任务 | 入口 | 实际命令与产出 | 本机实测状态 |
|---|---|---|---|
| 核验市值 | financial_rigor.py verify-market-cap | 510 HKD × 9.11e9 股 对比报告值 4.65e12 → 偏差 0.08%，判定「市值数据一致」 | 本机实跑 exit=0 |
| 精确算数 | financial_rigor.py calc | 0.1 + 0.2 → 结果 0.30 / 精确值 0.30000000000000004 | 本机实跑 exit=0 |
| 多源交叉验证 | financial_rigor.py cross-validate | 默认容差 2.0%（与规范里的 1% 分档不一致，这一点本站单独记过） | 本机实跑 exit=0 |
| 三情景估值 | financial_rigor.py three-scenario | 510 / EPS 23.5 / 3 年 → 乐观 825.4(+61.8%)、中性 559.8(+9.8%)、悲观 352.5(-30.9%) | 本机实跑 exit=0 |
| 报告抽检 | report_audit.py extract → verdict | 8 行 × 5 列的表 → 提取 40 个数据点、抽样 6 个；--seed 42 可复现同一批样本 | 本机实跑 exit=0 |
| 终值倍数与硬约束 | terminal_value.py pe / audit | ROIC 20% / g 2% / r 8% → 退出 PE 15.0x；人民币口径 r ∈ [6%, 9%]、g 上限 2% | 本机实跑 exit=0 |
| A 股取数 | ashare_data.py | quote / financials / valuation / search 四个子命令，零依赖（仅标准库 + curl 访问腾讯行情与东财） | 本机实跑 exit=0 |
这一列全部是 AI Berkshire 的工具层，不经过任何客户端，也不调用 EasyClaw 技能。反过来本机技能也不会去调用 AI Berkshire 的工具——两条路线在运行期没有任何交叉。命令行为以 commit 55be4f7 的源码与本机实测输出为准。
PREREQUISITES
授权与成本前置对照
| 要准备的东西 | AI Berkshire 侧 | EasyClaw 侧 | 说明 |
|---|---|---|---|
| 宿主程序 | Claude Code 或 Codex 客户端 | EasyClaw 本体 | 本机实测：claude 与 codex 都没有安装 |
| 运行环境 | Node/npm（用于装客户端）+ git | 随产品提供 | 本机有 git 与 node/npm，缺的是客户端本体 |
| 模型与算力配额 | 需要；深度研究类 Skill 会多轮检索与交叉验证，消耗较高 | 视所用技能而定 | 官方建议：优先调整 workflow，而不是期待完整深度研究变得便宜 |
| A 股数据 | 规范主源为东方财富 + 巨潮，以手工访问为主；工具层的 ashare_data.py 走腾讯行情 + 东财 | akshare-finance / tushare-finance / 问财 / 妙想，各自需要授权 | 两条路线要授权的对象完全不同 |
| 港股与美股 | 规范给 aastocks、macrotrends 等镜像源 | futuapi（需 OpenD）、yahoo-finance-github | 镜像源与接口源的时效与口径会不同 |
| 交易执行 | 没有，项目只做研究与报告 | 有模拟盘（妙想）与富途通道，futu-zhitou 默认走模拟环境 | 两侧都不做自动实盘下单 |
| 许可与合规 | 仓库为 MIT 许可，允许商用；依赖的客户端与模型按各自条款 | 按产品方与各数据源的条款 | 以各自官方条款为准 |
前置条件这一列是本页最实用的部分：两条路线的门槛不在同一个地方——AI Berkshire 的门槛是「先有一个 AI 编程客户端 + 关注 token 成本」，EasyClaw 路线的门槛是「把要用的数据源逐个授权好」。哪边更省事取决于你手上已经有什么，以各自官方说明为准。
HOW TO CHOOSE
按你的情况怎么选
| 你的情况 | 建议路线 | 理由 | 第一步做什么 |
|---|---|---|---|
| 已经在用 Claude Code 或 Codex | AI Berkshire | 装完即可调用，21 个 Skill 全部可用 | 先跑轻量的 investment-checklist，别一上来就上团队型 Skill |
| 主要研究 A 股，且希望取数自动化 | 优先 EasyClaw | A 股走的是接口型数据源，比手工访问镜像站稳定 | 先把要用的数据源授权配置好 |
| 只想要一份可复核的估值底稿 | 两侧都能，按估值路径选 | DCF 路径走 fp-dcf；终值倍数与三情景走 terminal_value.py | 选一条路径先跑通，再比较口径差异 |
| 完全不想装 AI 编程客户端 | EasyClaw | AI Berkshire 没有网页版，也没有 pip 包可装 | 确认本机技能里是否已有你需要的那个任务 |
| 想要多 Agent 对抗式的研究流程 | AI Berkshire | 四位大师编排与 Team Lead 收口，本机 29 个技能里没有等价物 | 先用 investment-research 熟悉流程，再上团队型 |
| 需要盯盘与预警 | EasyClaw | 有七条预警规则的监控技能与分时量能技能 | 把监控标的与规则配好 |
| 需要「报告抽检准出」这道关 | AI Berkshire | 15% 抽样 + 退出码门禁，本机无等价流程 | 装上后用 report_audit.py 核验一份已有报告 |
这张表不构成推荐，也不代表两者可以互相替代——每一行的理由都可以在上面的对照表里找到依据。
FAQ
两条路线对比的常见问题
两者能不能一起用？
本站没有验证过任何串联方式，两者也无已证实集成。你可以分别在各自环境里独立使用，但把一侧的输出当作另一侧的输入、或声称「打通了」，都不在本站能证明的范围内。如果哪天官方给出了集成方式，应以官方说明为准。
装了 EasyClaw 还要装 Claude Code 或 Codex 吗？
取决于你要用哪一套。要用 AI Berkshire 就必须自备 Claude Code 或 Codex——本机实测这两个客户端都没有安装，所以本站也没有端到端跑过一次完整调用。如果你只用本机自带的技能，则不需要额外的 AI 编程客户端。
哪边的数据更准？
本站没有做过同源同日的取数对照实验，因此不能判定哪边更准。可以确认的是两侧都把「可核实」写进了流程：本机侧的技能要求标注数据来源、缺失标 [MISSING]、过期标 [STALE]；AI Berkshire 侧要求分市场双源交叉验证，并规定误差分档（≤1% 通过 / 1–5% 警告 / >5% 必须查原始财报）。数据准不准主要取决于你用的源，以各数据源的官方口径为准。
两边的结论谁更可信？
两边都不该被当成结论机器。AI Berkshire 会保留四位大师之间的冲突、要求区分事实 / 推断 / 假设，而且抽检只覆盖 15% 的数据点；本机侧多个技能在描述里明确写了「不生成投资建议」。本站不对任何具体标的的研究结论背书，也不提供买卖信号。
本页为什么给不出一份「总分榜」？
因为两条路线的证据类型不同：一侧是仓库里的 21 个 Skill 与 12 个 Python 工具，另一侧是本机 29 个技能，两者的任务边界并不一一对应。强行折算成分数会制造精确的假象。本页的做法是把可核验的产物名列出来，让你按自己的任务去判断。
本站做这个对比的立场是什么？
很多访客在了解 AI Berkshire 的同时会问「有没有更省事的做法」。与其让人在两个产品之间反复跳，不如把前置条件与能力短板放在同一张表上，并明确写出两者没有集成关系。本页不给任一侧打总分，也不隐藏任一侧的短板；两边的能力与配额描述都以各自官方文档为准。