核心用法
Great People Hedge Fund 是一个多 Agent AI 投资分析系统，通过协调 15+ 个专业 Agent 模拟传奇投资者的投资哲学。用户可通过 analyze <股票代码> 命令触发完整分析流程，系统将并行分发任务至价值投资、成长投资、逆向风险、宏观分析四大类别的专家 Agent，最终由组合 Agent 综合生成带置信度的买卖信号。
支持单股分析、快速信号获取及多股对比三种模式，输出包含各 Agent 独立观点、风险评估、关键洞察及仓位建议的结构化报告。信号系统采用五级置信度评分（1-5分），涵盖从 STRONG BUY 到 STRONG SELL 的完整决策光谱。
显著优点
架构设计精妙：融合巴菲特护城河理论、芒格心智模型、塔勒布反脆弱框架等经典投资智慧，形成互补性极强的分析矩阵，避免单一策略盲区。
零技术门槛：纯 Markdown 提示词实现，无需安装依赖、无需配置 API 密钥即可运行基础分析框架，大幅降低使用门槛。
教育价值突出：明确定位为教育研究工具，帮助用户系统学习不同投资流派的核心逻辑，培养多元思维模型。
透明度高：各 Agent 独立输出观点及置信度，信号生成过程可追溯，便于用户理解决策依据。
潜在局限
无实时数据接入：技能本身不包含市场数据获取能力，分析质量高度依赖用户提供的背景信息或外部 LLM 的知识截止日期。
信号非投资建议：明确声明仅用于教育研究，缺乏实际回测验证，生成的买卖信号未经历史业绩检验。
Agent 权重不明：文档未说明各投资流派在最终信号中的权重分配及冲突处理机制，可能影响综合判断的可解释性。
依赖 LLM 能力：分析深度受限于底层大模型的金融知识与推理能力，可能存在幻觉风险。
适合人群
- 投资学习者：希望系统了解价值投资、成长投资、宏观分析等多元框架的个人投资者
- 金融教育者：需要结构化教学案例的商学院讲师或培训讲师
- 分析师助手：寻求多角度分析参考框架的专业投资分析师
- 策略研究者：对多 Agent 协作架构感兴趣的 AI 应用开发者
使用风险
决策风险：技能输出仅为分析框架参考，不构成投资建议，用户需自行承担交易决策后果。
性能风险：完整分析需调用 15+ 个 Agent，token 消耗较高，可能产生显著的 LLM API 费用。
知识时效性：底层 LLM 的训练数据存在截止日期，对最新财报、突发事件的反应能力受限。
模型幻觉：金融分析涉及复杂推理，存在 LLM 生成看似合理但数据失实的风险，关键结论需人工核实。
来源可信度：T3 级别社区项目，建议结合其他权威信源交叉验证。