# Thesis Tracker

AI Berkshire skill: 投资论文追踪：买入后的纪律系统.

- Repository: https://github.com/xbtlin/ai-berkshire (16972 stars)
- Category: Engineering
- License: MIT
- Last updated: 2026-11-01
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add xbtlin/ai-berkshire --skill thesis-tracker -g -a claude-code -y`
Codex: `npx skills add xbtlin/ai-berkshire --skill thesis-tracker -g -a codex -y`
Cursor: `npx skills add xbtlin/ai-berkshire --skill thesis-tracker -g -a cursor -y`
Gemini CLI: `npx skills add xbtlin/ai-berkshire --skill thesis-tracker -g -a gemini-cli -y`

## Description

AI Berkshire skill: 投资论文追踪：买入后的纪律系统. Source: skills/thesis-tracker.md.

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

## Codex adapter note

This skill is generated from `skills/thesis-tracker.md` so Claude Code and Codex users share one canonical workflow.

- Treat `$ARGUMENTS` as the user's request in the current Codex thread.
- When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
- Use shared project tools from `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.
- Before starting research, run the `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.
- Preserve the research quality rules from `AGENTS.md`: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

# 投资论文追踪：买入后的纪律系统

对 $ARGUMENTS 执行投资论文追踪检查。

**支持输入格式**：
- `公司名`, 首次使用时建立投资论文，后续使用时追踪检查
- `公司名 建立论文`, 强制重新建立投资论文
- `公司名 季度检查`, 基于最新财报进行论文检查

> "买入只是开始。真正的工作是持有期间的持续跟踪。", , 李录
>
> "当事实改变时，我就改变想法。你呢？", , 凯恩斯

## 设计理念

大多数投资者的流程是：研究 → 买入 → 祈祷。缺少买入后的系统化跟踪，导致：
- 该卖的时候舍不得卖（"再等等，会涨回来的"）
- 不该卖的时候恐慌卖出（"跌了20%，是不是我错了"）
- 忘记了当初为什么买的（"我买这个是因为什么来着？"）

巴菲特和李录的做法是：**买入前就写下卖出条件**。然后每个季度检查论文是否完整。

## 执行流程

### 第一步：判断操作模式

检查是否已存在该公司的投资论文文件（`reports/{公司名}-thesis.md`）：
- 如果不存在 → 进入**建立论文**模式
- 如果存在 → 进入**追踪检查**模式
- 如果找不到但用户表示已有 → 询问文件路径

---

## 模式A：建立投资论文

### A0：数据收集

使用 WebSearch 获取当前股价、估值指标（PE/PB/股息率）、最新财报核心数据，用于填写估值锚点。如果已有该公司的 `/investment-research` 或 `/investment-team` 报告，优先从中读取。

使用 `tools/financial_rigor.py verify-valuation` 校验估值数据。

### A1：核心论文（必须用200字以内写清楚）

投资论文必须回答以下5个问题，每个问题一句话：

The rest: https://github.com/xbtlin/ai-berkshire/blob/HEAD/codex-skills/thesis-tracker/SKILL.md