你好，先为这个项目点赞 👍 ——把巴菲特/芒格/段永平/李录四套方法论做成并行 agent、强制输出明确结论（approve/reject + 目标价 + 置信度）这个设计，和我自己在做的东西思路高度一致，看到很有共鸣。
我在做一个相邻方向的项目：Factor Lab，聚焦 A 股，核心是「量化因子库 + AI 圆桌研报」——多个 AI 角色像投委会一样对一只标的交叉论证、给出可执行结论，再叠加一层因子打分/选股池做量化侧的佐证。和你的 ai-berkshire 比，重叠的是「多 agent / 圆桌 + 强制结论」这层，差异在于你偏美股价投深研、我偏 A 股因子量化，刚好互补。
几个我很想交流的点：
- 多 agent 之间怎么做交叉验证和"互怼"，你们在 prompt/流程上是怎么防止四个角色趋同、保证真有分歧的；
- 财务计算的严谨性——你用 Python decimal + 多源交叉校验这块，我也踩过 LLM 心算出错的坑，想对一下做法；
- 基本面深研 ↔ 因子量化 两套信号能不能互相校准（你的结论给我的因子做先验，我的因子给你的标的做筛选漏斗）。
如果你有兴趣，欢迎随时聊——加微信、邮件或者就在这个 issue 里都行。无意打扰，纯粹是同道想交换一下踩坑经验。
项目地址留在这里供参考：https://www.afactorlab.com/
你好，先为这个项目点赞 👍 ——把巴菲特/芒格/段永平/李录四套方法论做成并行 agent、强制输出明确结论（approve/reject + 目标价 + 置信度）这个设计，和我自己在做的东西思路高度一致，看到很有共鸣。
我在做一个相邻方向的项目：Factor Lab，聚焦 A 股，核心是「量化因子库 + AI 圆桌研报」——多个 AI 角色像投委会一样对一只标的交叉论证、给出可执行结论，再叠加一层因子打分/选股池做量化侧的佐证。和你的 ai-berkshire 比，重叠的是「多 agent / 圆桌 + 强制结论」这层，差异在于你偏美股价投深研、我偏 A 股因子量化，刚好互补。
几个我很想交流的点：
如果你有兴趣，欢迎随时聊——加微信、邮件或者就在这个 issue 里都行。无意打扰，纯粹是同道想交换一下踩坑经验。
项目地址留在这里供参考：https://www.afactorlab.com/