价值投资起源于本杰明-格雷厄姆提出的安全边际理念，经沃伦-巴菲特发展为侧重护城河与长期赛道的实践体系，在AI时代，这一经典方法论正通过多智能体协作机制获得新的自动化表达。有实践者尝试用AI构建一个巴菲特与格雷厄姆的协作团队，核心是将两位大师的思维差异转化为系统化的分工与校验流程，让两个AI代理像真正的同事那样共同完成投资研究任务[1]。这一框架的价值在于，它不只停留在模拟投资大师的思维，而是为复杂的投研工作提供了一种可重复执行的自动化工作流。
第一道关卡是明确分工，系统为每个AI代理赋予专门的职责、数据集和评估标准。巴菲特代理偏重企业护城河与长期竞争格局，格雷厄姆代理则聚焦安全边际和量化财务数据，两者各自在擅长的领域内生成分析[1]。这种分工模仿了现实中投研团队的协作方式，让不同视角的观点先独立输出，再进入后续的整合环节。
后续关卡则引入了校验与对齐机制，让两个代理互相检查对方的分析结果。例如，格雷厄姆代理可能会对巴菲特看好的股票的估值数据提出质疑，巴菲特代理则能补充长期赛道逻辑来回应短期财务指标的不足。这种相互校验的设计，避免了单一模型输出可能存在的偏见，也让最终结论更具鲁棒性[1]。整个流程从分工、校验到整合，形成了一个完整的研究闭环。
类似的多视角整合思路在更广泛的开源社区中也有体现。有开发者推出了一个名为UZI-Skill的开源插件，整合了包括巴菲特、索罗斯在内的51位投资人的分析框架，外加180条量化交易规则。用户输入一只股票，例如贵州茅台或苹果，插件就能调用这些框架生成多维度投研报告[19]。这样一来，即使是个人投资者，也能借助AI同时获取多位投资大师的决策视角，而不再局限于某一流派。
不过，AI在投资领域的实际价值并非没有争议。有分析指出，基于大语言模型的聊天机器人在大多数用例中投资回报率极低，智能体本质上只是聊天机器人的简单包装，难以凭空创造额外价值[2]。这提醒我们，工具的理论能力不等于用户的真实收益。正如另一篇文章所强调的，工具的价值在于用户能用它达成目标，而非其理论上的能力[17]。AI不会取代投资人的判断，但会放大技术能力差距，让善于用它迭代、整合信息的人获得更高效的决策支持[11]。