一个下午，我用 AI 重建了巴菲特的《价值线》

记录时间：2026-07-14 16:14:16

这是一份关于职业转型、价值投资和 AI 工具化的下午日志。文中公司与财务数据用于研究方法验证，不构成投资建议。

起点：一次关于焦虑的对话

这件事的起点跟投资无关。

我是个移动端开发者，做电商 App。产品进入纯维护期以后，我已经半年没怎么写代码。就业环境不好，我一直觉得 AI 会取代我，而且对此有一种无能为力的感觉。

我把这份焦虑原封不动地丢给了 AI。它没有安慰我，而是指出了一个事实：真正的威胁不一定是 AI，而可能是这个岗位本身正在消亡。

与此同时，我手里其实握着一份难得的资源——一份还在发工资、但几乎不占用精力的工作。它等于给了我一条 6—12 个月的在职跑道，让我可以在不立刻失去现金流的情况下，尝试新的方向。

它给我的建议是：别再把主要精力放在框架细节上。那是贬值最快的部分。更值得做的是用 AI 把开发速度转化成产品能力，再把方向放在我两个能力圈的交叉点：我写了十年代码，也做了多年价值投资。

于是这个下午，我决定试一试。

第一步：搞清楚能做什么，以及不能做什么

我先做了一轮调研。几个关键结论很快把产品边界画了出来。

第一，合规是红线。 在国内，付费提供个股买卖建议属于证券投资咨询业务，个人开发者不能把“AI 荐股”当成产品方向。工具型产品则不同：数据、记录、复盘和研究辅助不直接替用户做交易决策。理杏仁这样的工具能够按年收费，说明这个需求本身真实存在。

第二，市场并不是没有缝隙。 AI 投研终端已经被同花顺、东方财富等大厂占据，个人开发者很难正面竞争。但 App Store 上“交易复盘”“持仓记录”这类小而专的独立应用，仍然有真实付费用户。问题是，它们几乎清一色服务短线交易者。

价值投资者的长周期决策记录与复盘，反而没有被认真服务。

第三，数据成本可以压得很低。 AKShare 免费覆盖 A 股、港股的行情和财报数据，东方财富的公开接口也能取到 F10 的大量信息。对一个个人开发者来说，数据成本接近于零，真正稀缺的是把数据转化成判断的流程。

产品方向于是定了下来：价值投资者的决策日志 + AI 复盘。 用户记录买入时的逻辑，每次财报发布后，系统自动对照：当初的逻辑有没有被新事实破坏？

这比提醒“股价涨了还是跌了”更接近长期投资真正需要的反馈。

第二步：验证数据管道能不能跑通

光有方向不够，还得证明数据链路确实能工作。这个下午，我实际验证了几件事。

从东方财富公开接口拉取茅台 12 年年报数据、分红历史和实时行情，交叉验证后全部对得上，算出的市值与接口返回值一致到个位。
摸清港股接口里的数据陷阱：财报是人民币，股息和股价是港元，三种币种混在同一张表里；股本和股息字段常常是当前值，而不是历史值；上市前优先股的会计处理，还可能让净资产显示为负数。
用真实数据生成了茅台和腾讯的“价值线式”单页报告，把原本分散的接口字段压成一张可以快速阅读的企业快照。

顺带还收获了一个洞察：茅台 2025 年报营收、净利双降，2026 年一季度毛利率跌破 90%。如果这个产品已经存在，这正是应该触发“逻辑体检”提醒的时刻。

产品需求不是凭空想出来的，而是被数据本身验证了：长期投资者需要的不是更多行情通知，而是有人提醒他回头检查自己的原始判断。

第三步：把大师的读法变成可执行的框架

这是今天最有意思的部分。

巴菲特说，他翻《价值线》30 秒就知道对一家公司有没有兴趣；芒格说，如果他开一所商学院，就会用《价值线》的图表教学。但他们到底在看什么？

我和 AI 把原始资料翻了一遍，提炼出一套完整的阅读框架，并在迭代过程中纠正了两个流行的误读。

误读一：芒格夸的“图表”是股价走势图

巴菲特的原话其实很明确：股价走势图对我们来说毫无意义。

芒格说的精髓，是股价图下方那 10—15 行财务数据。那部分信息把一家公司的长期经营记录、利润率、资本结构、每股数据和回报能力压缩成了一张“完美的企业快照”。

误读二：整页内容都有用

真实的《价值线》页面上，评级、Beta、目标价、机构动向和分析师预测占了很大篇幅。但巴菲特和芒格明确表示，他们并不关心这些意见。

原则只有一句：不寻求意见，只寻找事实。

最终的阅读框架是一条流水线。

入口：先看历史新低名单

第 0 步不是打开某家公司，而是先看“历史新低名单”：股价新低、PE 新低、PB 新低。

新高名单上的公司，价格里往往已经装满了乐观；便宜只可能藏在新低里。新低不代表值得买，但它至少提供了一个值得继续问问题的入口。

五步扫描：30 秒内找否决理由

长期记录像不像一条直线？营收、利润、现金流和每股价值，是持续向上，还是充满断裂和反复？
ROE 高不高、靠不靠杠杆？高回报来自真正的生意质量，还是来自不断加大的债务？
股本在缩还是在胀？回购可能放大每股价值，融资和增发则可能稀释原有股东。
利润率有没有定价权？毛利率和经营利润率是长期改善，还是只随着周期涨落？
和自己的历史比贵不贵？估值不是脱离历史的绝对数字，而是当下价格相对于企业自身记录的关系。

任何一步不合格，就先翻页。第一轮扫描的目的不是找出“可以买”的公司，而是尽快找到否决理由。

5 秒心算：先抓住数量级

对企业做第一轮判断时，只需要做几项心算：市值、EBIT、经营占用资本，以及 EV/EBIT。

禁用计算器，也先不用“每股”概念。商誉不算真正投入的经营资本，融资带来的每股增长也不能直接当成生意增长。这个过程不是为了算出一个精确估值，而是为了快速判断：眼前的价格和生意，大致是不是同一个数量级。

五问清单：把页面之外的问题留下来

价格便宜吗？
是好生意吗？
管理层可信吗？
我漏了什么？
为什么这家公司会被我发现？

前两问，企业快照通常可以给出初步答案；后三问必须自己去挣。页面能压缩事实，却不能替你完成理解。

第四步：用三家公司实测

框架不经过实测，仍然只是空谈。我用真实数据做了三份“企业快照版”单页报告。

Builders FirstSource：翻页

Builders FirstSource 是一家美国建材制造与分销公司。它在 2008—2013 年连续亏损六年，高 ROE 很大程度上由 43% 的债务占比撑起，利润率也随着房地产周期上下波动。

五步扫描的第一步就出了问题：长期记录不像一条稳定向上的直线。它可能是一家值得研究的周期型公司，但不符合这套快速筛选框架对“稳定复利生意”的第一印象。

判词：翻页。

泡泡玛特：进入第二轮

泡泡玛特的入口第一次就亮了灯：股价距离 52 周低点只有 10%，PE 已经从 87 倍降到 14 倍。

它的生意质地也很罕见：无杠杆 ROE 达到 77%，85 亿元经营资本赚取 170 亿元息税前利润，毛利率九年间从 48% 爬升到 72%。从企业快照看，增长、利润率和资本回报都相当醒目。

但 14 倍 PE 的分母，是一个同比增长 309% 的爆发年利润。页面可以告诉我利润涨得多快，却回答不了一个更重要的问题：Labubu 是可口可乐，还是郁金香？

这已经超出了快照的能力边界，需要进入第二轮，去研究 IP 的生命周期、渠道结构、用户复购和管理层资本配置。

判词：进入第二轮。

小米集团：进入第二轮

小米的入口信号更强，股价距离 52 周低点只差 1.1%。但它的画像完全不同。

它的毛利率在十一年间从 4% 单边上行到 22%，ROIC 却始终只有 10% 上下；公司从不分红，为造车业务持续融资，加权股本七年净增 8%。

看小米必须保留“每股”思维，否则很容易把融资买来的收入增长，误认为是生意本身的增长。规模在变大，不等于每一股的内在价值同步增长。

小米真正的分歧点，在于汽车业务最终能否获得足够高、足够稳定的回报率。

判词：进入第二轮。

同一套模板，三种判词。方法开始像一个产品了。

第五步：把流程沉淀成 Skill

最后一步，我把整个生成流程写成了一个可复用的 AI Skill：

取数 → 核对数据陷阱 → Python 验算 → 应用判定框架 → 模板渲染

以后对任何一只港股说一句“生成企业快照”，就能得到同样结构的页面。它不负责替我下结论，而是负责把重复劳动变成一条稳定的流水线。

这一步对我的意义特别大。它证明了：方法可以被工具化，工具可以被复用。

而这正是我想做的产品的雏形——不是把投资判断外包给 AI，而是把自己的判断流程变成一个能反复调用的系统。

今天的产出清单

一个下午结束时，留下了这些具体产出：

一份产品规划文档，包含合规边界、MVP 定义，以及内容与产品双轮策略。
一份财报接口字段词典。
茅台、腾讯两份价值线式报告。
Builders FirstSource、泡泡玛特、小米三份企业快照。
一个可复用的企业快照生成 Skill。
若干用于取数、核对和验算的数据脚本。

全部由真实公开数据驱动，数据成本为零，耗时一个下午。

这不是一个已经验证商业成功的产品，但它至少完成了最重要的第一步：把模糊的职业焦虑，变成了一个可以运行、可以复用、可以继续接受现实反馈的实验。

写在最后

早上我还在焦虑“AI 会取代我”。下午结束时，我意识到问题可能问错了。

AI 取代的是“写代码”这个动作，放大的是“判断该做什么”的能力。今天做的每一件关键事情——判断合规边界、识别数据陷阱、把大师的只言片语提炼成可执行框架、决定页面上删掉什么——都是 AI 不能替我完成的部分。

而它把剩下的一切加速了一百倍。

一个人，半天，完成了过去可能要一个小团队才能做完的事情。被取代的恐惧，和成为杠杆的兴奋，原来是同一件事的两面。

AI 不是让我停止成为开发者，而是逼我重新回答：除了写代码，我到底能判断什么、创造什么、承担什么？

下一步有两件事：把泡泡玛特和小米的“第二轮功课”真正做完，写成公开复盘；再把快照生成做成“输入代码，一键出页”的工具原型。