环境准备 · 安装脚本 · 第一个任务 · 报错排查
AI Berkshire 怎么装：先看清目标目录，再动手
AI Berkshire 没有安装包、没有 pip 包，也不提供网页版。它的单一分发方式是
git clone，然后用仓库自带的安装脚本把 21 个投研 Skill 复制进
Claude Code 或 Codex 的目录。本页把两条客户端路线、Windows 与 macOS/Linux 的脚本差异、
以及安装脚本会覆盖同名目录这个 README 没写的风险讲清楚。
- 本机实测：
claude与codex都没有安装，所以安装步骤是按脚本源码与官方文档核对的，未在本机端到端执行 - 一条容易踩的坑：Windows 的
.bat是覆盖式安装，同名子目录会先删除再复制 - 装完可以只读自检：两个
--check脚本 + 上游自带的 26 个单元测试
AI Berkshire · WHAT IT IS
先说清它是软件、是服务，还是别的什么
| 项目特征 | 是 | 不是 | 判断依据 |
|---|---|---|---|
| 形态 | 一套投研 Skill 合集，21 个 skills/*.md 入口 | 不是网页服务，没有 WebUI | 仓库无前端或 server 目录；GitHub API 显示没有 Pages |
| 分发方式 | git clone 之后跑仓库自带安装脚本 | 不是 pip 包、不是 npm 包 | 仓库根没有 setup.py / package.json 发布物 |
| 运行宿主 | 需要你自备 Claude Code 或 Codex 客户端 | 不是独立可执行程序 | 安装脚本只把技能文件复制进客户端目录 |
| 能力范围 | 研究：取数、分析、估值、出报告 | 不是数据终端，不含行情数据 | reports/ 是研究产出目录，不是行情库 |
| 交易能力 | 无。只产出研究文本 | 不下单、不接券商、不含交易执行 | 工具层只有计算与抽检脚本 |
| 许可 | MIT，可商用 | 不是免费托管服务 | license 字段为 MIT；客户端与模型的费用另计 |
| 数据来源 | 由使用者自己取数，并按双源规则交叉验证 | 不是内置数据订阅 | skills/financial-data.md 规定的是信源与核验规则，不是数据本身 |
这张表是对照「官方说法」与「本站按 commit 55be4f7 实测」两边的结论。凡是「不是」那几行，官方 README 都没有明文否定，属于本站按真实文件树补出来的边界。
本板块依据 AI Berkshire 官方仓库 commit 55be4f7 与本站 2026-09-28 实测整理。
AI Berkshire · PREREQUISITES
动手前的环境准备清单
| 要准备的东西 | 为什么需要 | 本机实测状态 | 怎么检查 |
|---|---|---|---|
| 操作系统：Windows / macOS / Linux | 安装脚本按系统分 .bat 与 .sh 两套 | 本机为 Windows，脚本后缀可核对 | 看 scripts/ 下两类脚本是否齐全 |
| git | 单一的分发方式是 git clone | 本机已装：D:\Git\cmd\git.exe | git --version |
| Node.js 与 npm | 安装 Claude Code 走 npm；Codex 也提供 npm 路线 | 本机已装：D:\node.js | node -v 与 npm -v |
| 目标客户端（Claude Code 或 Codex，二选一） | Skill 必须装在客户端里才能被调用 | 本机两者都未安装 | where claude、where codex 均无输出 |
| 模型配额或 API 额度 | 深度投研类 Skill 会进行多轮检索与交叉验证 | 未实测（取决于你自己的账号） | 看客户端内的用量页；官方也提示优先调整 workflow |
| 磁盘空间约 72 MB | 仓库体积 73,733 KB，主要是 3,018 份报告文件 | 已核对（GitHub API 的 size 字段） | clone 之前预留空间 |
| 外网访问 | 取数与检索都要联网，部分脚本用 curl 直连 | 实测 stock_screener.py 取数失败（Yahoo 不可达） | 试跑 tools/ashare_data.py 看能否取到行情 |
先把这张表过一遍再动手，可以避免装到一半才发现缺 git 或缺客户端。最后两行是本站实测出来的现实约束，官方 README 未提及。
本板块依据 AI Berkshire 官方资料与本站实测输出整理，证据等级见事实与版本页。
AI Berkshire · INSTALL
Windows 与 macOS/Linux 的安装脚本
从零到装好的六步
以下命令都能从 README 与安装脚本源码核对到。涉及 Windows 路径的地方按原样保留反斜杠。
npm install -g @anthropic-ai/claude-codeClaude Code 走官方 npm 全局安装。Codex 的 Windows 路线是 powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"，macOS/Linux 也可用 curl -fsSL https://chatgpt.com/codex/install.sh | sh、npm install -g @openai/codex 或 brew install --cask codex。
预期输出：装完 claude --version 或 codex --version 能输出版本号。
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire仓库约 72 MB，主要体积是 3,018 份报告文件。克隆后你会看到 skills/、codex-skills/、codex-prompts/、tools/、scripts/、reports/ 等目录。
预期输出：当前目录下出现上述目录，且 skills/ 里有 21 个 .md 文件。
.\scripts\install-claude-commands.batWindows 用 .bat；macOS/Linux 用 ./scripts/install-claude-commands.sh。脚本把 skills\*.md 复制到 %USERPROFILE%\.claude\commands。
预期输出：打印 Installed Claude Code commands to ... 并给出实际目标路径。
.\scripts\install-codex-skills.batWindows 用 .bat；macOS/Linux 用 ./scripts/install-codex-skills.sh。脚本会先调用 sync-codex-skills.py 生成技能包，再逐个复制到 %CODEX_HOME%\skills（未设置则 %USERPROFILE%\.codex\skills）。
预期输出：打印 Installed Codex skills to ...，目标目录下出现 21 个技能子目录。
.\scripts\install-codex-prompts.batprompts 是一层兼容入口，装了之后在 Codex 的 / 菜单里能搜索到这些命令，例如 /prompts:investment-research 腾讯。不装也能用，只是没有菜单条目。
预期输出：prompts 目录下出现 21 个 .md。
python scripts/sync-codex-skills.py --check客户端只在启动时扫描技能目录，所以安装或更新后必须重启才能看到新条目。另外任何改动 skills/ 之后都要重跑一次 sync-codex-skills.py，这是仓库的兼容规则：skills/*.md 是权威源。
预期输出：输出 Checked 21 Codex skills in codex-skills 且退出码为 0（本机实测通过）。
| 脚本 | 目标目录 | 会做什么 | 判断与注意点 |
|---|---|---|---|
install-claude-commands.bat / .sh | %USERPROFILE%\.claude\commands（可用 CLAUDE_COMMANDS_DIR 覆盖） | 把 skills\*.md 复制过去 | 覆盖同名文件；装前建议先看一眼该目录里有什么 |
install-codex-skills.bat / .sh | %CODEX_HOME%\skills；未设置则 %USERPROFILE%\.codex\skills | 先跑 sync 脚本生成，再逐个子目录复制 | 同名子目录先 rmdir /s /q 再 xcopy，属覆盖式安装 |
install-codex-prompts.bat / .sh | %CODEX_HOME%\prompts；未设置则 %USERPROFILE%\.codex\prompts | 安装可选的 slash prompt 兼容层 | 不装也能用；官方推荐用技能、prompt 作为兼容层 |
scripts/sync-codex-skills.py | 仓库内的 codex-skills/ | 从 skills/*.md 重新生成 Codex 技能包 | 改过 skills/ 就必须重跑；加 --check 则只校验不改写 |
scripts/sync-codex-prompts.py | 仓库内的 codex-prompts/ | 从 skills/*.md 生成 slash prompts | 同上；配合 --check 可做只读核对 |
| 环境变量覆盖 | CLAUDE_COMMANDS_DIR、CODEX_HOME | 改变默认安装位置，便于隔离多套客户端或装到非默认盘 | 想避免覆盖默认目录时，这是最省事的做法 |
这张表是安装脚本一行一行读出来的。其中「先 rmdir /s /q 再 xcopy」这一条属于覆盖式安装的直接证据——官方 README 没有提到会删除同名子目录。
本板块依据 AI Berkshire 官方仓库 commit 55be4f7 与本站 2026-09-28 实测整理。
AI Berkshire · FIRST TASK
第一个任务：按成本从低到高走
第一个任务：按成本从低到高走
官方明确建议先用轻量入口筛选，只有结果值得深入时再跑完整深度研究。下表按这个顺序排列。
/investment-checklist 腾讯, 阿里, 美团六关快速筛选：能力圈 → 好生意 → 护城河 → 管理层 → 安全边际 → 决策纪律，最后做一次镜子测试。支持一次传入多个标的做横向对比。
预期输出：每个标的逐关给出通过 / 不通过，并输出镜子测试结论；官方口径是「5 句话说不完整就不买」。
/quality-screen 恒生指数成分股按 7 条硬指标做去劣筛选，支持个股、行业、指数、主题批量筛。这是官方给出的低成本入口之一，用来快速排除而不是深度分析。
预期输出：输出逐条指标的通过 / 淘汰结果，以及被淘汰标的的理由。
/news-pulse 腾讯四维并行侦察（公司事件 / 监管政策 / 行业对手 / 市场情绪），强制给出性质判断：价值事件 / 情绪波动 / 真因不明 / 混合。官方认为「真因不明」是最有价值的输出之一。
预期输出：输出异动归因表（含估算贡献与置信度）与一句性质判断，避免把小作文当成原因。
/investment-research 腾讯按七个分析模块加综合决策备忘录执行，并在关键数据处调用工具层做精确验算。需要四个视角并行时改用 /investment-team 美团。
预期输出：生成结构化研究报告并写入 ~/[公司名]投资研究报告.md；深度模式 token 消耗较高。
| 你的形态 | 调用方式 | 示例 | 注意点 |
|---|---|---|---|
| Claude Code | 直接调用 slash command | /investment-research 腾讯 | 客户端默认逐次请求工具授权，这是客户端行为不是仓库可改的 |
| Codex（已装技能） | 用自然语言描述任务 | 使用 investment-research 研究腾讯 | 装完必须重启 Codex 才能识别 |
| Codex（已装 prompts） | 从 / 菜单选 prompt | /prompts:investment-research 腾讯 | prompts 只是兼容层，官方推荐使用技能 |
| 任意客户端 + 工具层 | 直接跑命令行脚本 | python tools/financial_rigor.py verify-market-cap ... | 只做精确计算，不产生研究报告 |
| 暂时不想上客户端 | 只读核对仓库 | python scripts/sync-codex-skills.py --check | 能验证生成物是否最新，但不产生任何研究结论 |
| 想省掉逐次授权确认 | 以跳过权限模式启动 | claude --dangerously-skip-permissions | 会关闭工具审批保护，官方要求只在信任仓库、命令与工作目录时使用 |
实测边界：本机没有安装 Claude Code 与 Codex，因此上面第 1 至第 3 行是依据官方文档与源文件核对的调用方式，未在本机端到端执行；第 4 至第 5 行是可以在不装客户端的情况下直接验证的部分。
本板块依据 AI Berkshire 官方资料与本站实测输出整理，证据等级见事实与版本页。
AI Berkshire · TROUBLESHOOTING
常见报错与排查表
| 现象 / 报错 | 原因 | 怎么修 | 证据来源 |
|---|---|---|---|
'claude' 不是内部或外部命令 | 客户端没装，或 npm 全局 bin 目录不在 PATH 中 | 按官方命令重装；确认 npm 全局目录已加入 PATH，然后重开终端 | 本机实测 where claude 无输出 |
| 装完了但在菜单里看不到技能 | 客户端只在启动时扫描技能目录 | 重启客户端；官方 README 明写「安装后重启 Codex」 | README 快速开始段 |
| 原有的自定义命令被覆盖了 | .bat 是覆盖式安装：同名子目录先 rmdir /s /q 再 xcopy | 装之前先备份目标目录；或把 CODEX_HOME / CLAUDE_COMMANDS_DIR 指向别处 | install-codex-skills.bat 源码 |
| 每一步都要确认授权，很烦 | 客户端默认逐次请求工具授权，仓库改不了这个默认值 | 官方给的选项是 claude --dangerously-skip-permissions；它会关闭审批保护，只应在可信环境中使用 | README「减少授权确认」 |
stock_screener.py 提示无法获取价格数据 | 该脚本用 curl 直连 Yahoo Finance，部分网络环境不可达 | 改用 tools/ashare_data.py（腾讯行情 + 东方财富，仅依赖标准库）；或自行解决网络 | 本机实测输出「⚠️ 无法获取价格数据」 |
benford 提示样本量不足 8 < 50 | Benford 定律需要至少 50 个样本才有统计意义 | 这不是崩溃而是正常提示：样本够了再跑即可（实测退出码为 0） | 源码 n < 50 分支与本机实测 |
| token 消耗比预期高 | 深度投研类 Skill 默认多轮检索与交叉验证 | 先用 /quality-screen、/news-pulse 等轻量入口，值得深入再跑完整研究 | README「成本与模型选择」 |
git clone 很慢或中途失败 | 仓库体积约 72 MB，且以报告文件为主 | 换网络重试；或用 --filter=blob:none 做部分克隆后再 checkout | GitHub API 的 size 字段 73,733 KB |
前四行是安装环节的问题，后四行是装完之后使用环节的问题。第 5 行与第 6 行都有本机实测输出支撑，不是推测。
本板块依据 AI Berkshire 官方仓库 commit 55be4f7 与本站 2026-09-28 实测整理。
AI Berkshire · VERIFY AND ROLLBACK
装完自检、卸载与回滚
| 要确认的事 | 怎么做 | 通过标准 | 说明 |
|---|---|---|---|
| 技能包是否与源文件一致 | python scripts/sync-codex-skills.py --check | 输出 Checked 21 Codex skills in codex-skills 且退出码 0 | 本机实测通过；这是只读校验，不会改写文件 |
| slash prompts 是否一致 | python scripts/sync-codex-prompts.py --check | 输出 Checked 21 Codex prompts in codex-prompts 且退出码 0 | 本机实测通过 |
| 上游自带测试是否通过 | python -m unittest discover -s tests -v | Ran 26 tests 与 OK | 本机实测通过；覆盖精确计算与报告抽检两个工具 |
| 技能装到哪里去了 | 看 %USERPROFILE%\.claude\commands 或 %CODEX_HOME%\skills | 能看到 21 个技能目录 | 默认路径可用环境变量覆盖，便于隔离 |
| 只想装 slash prompt、不装技能 | 只跑 install-codex-prompts.bat | prompts 目录出现 21 个 .md | prompt 是兼容层，技能仍是主入口 |
| 怎么卸载或回滚 | 从目标目录删掉本次复制进去的文件与子目录 | 重启客户端后菜单恢复原样 | 覆盖式安装不保留旧版本，建议装前备份目标目录 |
| 私有内容怎么与仓库隔离 | 放进仓库的 local/ 目录 | git status 里看不到这些文件 | .gitignore 专门排除了 local/，台股取数 token 就走这个路径 |
「能不能装干净」和「怎么回滚」是官方文档没写的部分，但恰恰是决定要不要在主力机器上动手的关键。这张表把可验证的确认项都列了出来。
本板块依据 AI Berkshire 官方资料与本站实测输出整理，证据等级见事实与版本页。
AI Berkshire · FAQ
安装与上手常见问题
装 AI Berkshire 需要会写代码吗？
日常使用不需要写代码：装好之后在 Claude Code 里用 /investment-research 腾讯 这样的命令，在 Codex 里用自然语言描述任务即可。但有三处需要动手：一是运行安装脚本（一条命令），二是按 skills/financial-data.md 的规范去信源取数并填进报告抽检清单，三是想改工作流时需要编辑 skills/*.md 并重跑同步脚本。换句话说，它省掉的是「组织研究流程」的成本，不是「核对数据」的责任。
我该装 Claude Code 还是 Codex？
仓库对两者都提供同一套 canonical workflow，所以完全可以按你已有的工具选。差异在细节上：Claude Code 侧是 slash command，Codex 侧是技能加可选的 slash prompt 兼容层；两者的安装脚本、目标目录都不同。本站没有对两者的输出质量做过对照实测，因此不对「哪个更好」下结论——那需要你自己在同一个标的上跑一遍再比。
安装会不会弄坏我已有的命令？
有这个风险，而且官方 README 没有提醒。Windows 的 .bat 在复制前会先对同名子目录执行 rmdir /s /q，属于覆盖式安装；Claude Code 侧的脚本则是覆盖同名文件。降低风险的两个办法：装之前备份目标目录；或者用 CODEX_HOME、CLAUDE_COMMANDS_DIR 把这次安装引到一个独立目录，与既有配置隔离。
装完要花钱吗？
仓库本身是 MIT 许可、免费可商用，没有订阅费。但完整跑通一次深度研究需要两样付费或配额资源：一是客户端本身（Claude Code 或 Codex），二是模型调用额度。官方在 README 里明确提示深度投研类 Skill 的 token 消耗较高，并建议优先调整 workflow（例如先用 /quality-screen 筛掉大部分标的）而不是期待完整研究变便宜。具体价格以各官方定价页为准，本页不引用任何价格数字。
一定要联网吗？
要。仓库里不含行情与财务数据——reports/ 存放的是研究产出，不是数据源。研究过程中的取数与检索都需要外网，而且部分脚本是直接用 curl 直连外部站点的，在企业网络或受限网络下可能失败（本机实测 stock_screener.py 取 Yahoo 就失败了）。如果只想验证代码本身是否正常，可以离线跑那 26 个单元测试。
装完之后能卸载干净吗？
可以，但要手动做。安装脚本没有提供卸载命令，它做的事就是把文件复制到目标目录，所以卸载就是从目标目录删掉本次复制进去的文件与子目录。需要注意两点：一是覆盖式安装不保留旧版本，如果你之前有自定义命令被覆盖了，得从备份恢复；二是删掉技能目录后要重启客户端，菜单才会恢复原样。这些都在上方的自检与回滚表里逐条列出。