最近有人将投资大师巴菲特和芒格“炼化”成了可使用的Agent，并将其开源。

在GitHub上，一个名为AI Hedge Fund的项目迅速走红。

开源的AI Hedge Fund能够兼容包括OpenAI、Anthropic在内的多种大模型，并且支持本地运行。

项目一经发布便获得了广泛的关注，在GitHub上收获了超过51.7k Star和9k Fork。

某些网友对此表示，虽然不知道能否借此赚到钱，但至少学到了一些关于Agent框架的知识。

虽然收益无法保证，但它或许能帮助减少亏损的风险。

项目的核心思想是将投资哲学转化为可编程的代码逻辑，从而使普通投资者也能获得大师级别的策略支持。

相当全面。

每位投资专家Agent都带有其本人独特的选股原则和风险偏好，能够独立给出投资建议，最终由一个统一的投资组合经理做出决策。

系统内置了共计18个专业的投资分析Agent，涵盖了从估值、基本面到技术指标等全方位的服务。

这些专家包括巴菲特、芒格、本杰明·格拉汉姆等知名人物，以及多位现代投资界的杰出代表。

AI Hedge Fund的架构设计采用前后端分离的方式，前端使用React 18和TypeScript开发，并集成了一个名为React Flow的可视化流程编辑器。

用户可以通过拖拽不同的Agent节点构建个性化的投资策略图谱。

后端则采用了Python搭配FastAPI进行服务编排，同时利用LangGraph来协调多智能体之间的交互。

数据层通过对接各类外部API获取市场数据，并支持本地大模型的离线操作。

用户只需一行命令就能启动回测模块，系统会自动根据历史数据生成策略绩效报告。

在部署方式上，AI Hedge Fund提供了两种选择：命令行界面和Web应用界面供用户自由切换使用。

对于不熟悉命令行操作的投资者来说，可以通过访问前端页面来可视化地搭建投资方案。

• 最近类似的项目层出不穷，将大师的投资理念转化为可编程代码的现象正在成为一个趋势。
• 然而，大多数此类工具尚未经过实盘验证，因此潜在风险不可忽视。
• 一些网友对此表示质疑，认为这些Agent无法完全替代大师本人的实际操作能力。
• 尽管如此，多角度听取专家意见这一特性本身也颇具价值。
• 总体来说，AI Hedge Fund为普通投资者提供了一种新的探索投资策略的途径。
• Michael Burry——《大空头》原型，逆向思维猎手，专注深度价值挖掘。
• Peter Lynch——平民投资大师，在日常生活中发现十倍股。
• Phil Fisher——成长股精研者，以深度闲聊调研法（Scuttlebutt）著称。
• Stanley Druckenmiller——宏观传奇，专寻高度不对称的进攻机会。
• Mohnish Pabrai——Dhandho投资人，低风险博弈高赔率。
• Nassim Taleb——《黑天鹅》作者，聚焦尾部风险与反脆弱性。
• Aswath Damodaran——估值大师，以严谨的财务建模定价一切资产。

然后是，专业分析Agent团队：

• Valuation Agent：计算内在价值，生成估值交易信号
• Fundamentals Agent：解读财务数据，生成基本面信号
• Technicals Agent：分析技术指标，捕捉趋势与动量
• Sentiment Agent：追踪市场情绪，量化多空博弈
• Risk Manager：测算风险敞口，设定仓位上限。
• Portfolio Manager：汇总所有信号，拍板最终交易决策。

12位大师各执己见，6位分析师冷静把关。一支华尔街梦之队，就这么拉起来了。

技术架构

在技术架构方面，AI Hedge Fund采用前后端分离的三层架构设计。

前端基于React 18 + TypeScript构建，核心亮点是集成了React Flow可视化流程编辑器。

用户可以像搭积木一样，把不同的Agent节点拖拽连接成一套投资策略图谱，直观设计属于自己的投资委员会。

后端由Python + FastAPI驱动，以LangGraph编排多智能体工作流。

所有Agent 共享同一个AgentState数据字典，信息在节点间流转传递，既保证了状态一致，也让各 Agent 的分析结果可以被下游节点动态引用。

数据层对接多路外部API，支持实时行情、财务报表、市场情绪等数据的统一接入，也可通过

 FINANCIAL_DATASETS_API_KEY

接入专业金融数据源。

整套系统支持13种主LLM提供商，也可通过 —ollama参数接入本地大模型，无需联网即可运行完整推理流程。

前面提到的回测模块，一行命令即可启动：

poetry run python src/backtester.py —ticker AAPL,MSFT,NVDA

系统会自动调用各Agent对历史区间内的股票逐日研判，最终输出策略的历史收益曲线与关键绩效指标。

如何部署

在部署方面，AI Hedge Fund提供命令行与Web应用两种方式。

我们先来看命令行方式：

第一步，克隆仓库：

git clone 
https://github.com/virattt/ai-hedge-fund.git
 cd ai-hedge-fund

第二步，安装依赖（使用 Poetry）：

curl -sSL 
https://install.python-poetry.org
 | python3 - poetry install

第三步，配置 API Key：
复制 .env.example 为 .env，填入至少一个 LLM 服务的密钥，例如：

OPENAI_API_KEY=your_key_here FINANCIAL_DATASETS_API_KEY=your_key_here

第四步，启动分析：

poetry run python src/main.py —ticker AAPL,MSFT,NVDA

如需使用本地大模型，加上 —ollama 参数即可。

启动后，他的示例是这样的。

而对于命令行不太熟悉的朋友，Web应用提供可视化操作界面。

首先，启动后端服务：

cd app/backend poetry run uvicorn main:app —reload

然后，启动前端界面（另开终端）：

cd app/frontend pnpm install pnpm dev

最后，访问http://localhost:3000，即可进入可视化Agent流程编辑器，拖拽搭建你的专属AI投资委员会。

One more thing

有一说一，最近这类“炼化大师”的投资Agent还真不少。

比如李诞的“虾”就发了自己的巴菲特-呼兰投资skill，把段永平、巴菲特、芒格和呼兰的投资策略统统塞了进去。

而像AI Hedge Fund这样整合各大家投资方法论的开源项目也越来越多，投资大师Agent化正在成为一个小趋势。

不过值得注意的是，大部分框架都还没有确切的投资回报率，也没实盘过，想尝试的小散千万还得牢记风险。

对此，网友的评价也很真实。

有人直接开怼：木头姐拉——

很多人想成为的是西蒙斯，拿稳定收入。

也有人抛出了灵魂一问：

如果大师们的观点是冲突的，我们该听谁的？

但说到底，Agent能复刻的是投资哲学，不是投资结果。

12位大师坐在同一张桌子上，本来就不可能意见统一——

但也许，这恰恰是它最有价值的地方：你听到的不是一个声音，而是一场辩论。

项目主页：https://github.com/virattt/ai-hedge-fund