2026年1月1日，95歲的沃倫·巴菲特正式卸任CEO。

60年，6.1萬倍回報，人類投資史上最偉大的復(fù)利傳奇，落幕了。

接班人格雷格·阿貝爾在首封股東信里寫道："我不可能像沃倫那樣擔(dān)任60年首席執(zhí)行官。但我希望，二十年后，各位或你們的后代，能為伯克希爾變得更加強(qiáng)大而感到自豪。"

巴菲特留下了什么？3733億美元現(xiàn)金儲備、1760億美元保險浮存金、189家子公司，以及散落在60年股東信、數(shù)百場演講、無數(shù)次訪談中的決策框架和投資哲學(xué)。

問題是：誰能讀完這一切？

答案是：AI可以。它可以幫你把這些碎片化的智慧，編譯成一個會自我進(jìn)化的知識庫。

Tina制作的巴菲特知識庫已部署上線，歡迎訪問該網(wǎng)址使用：https://buffet.tina-ai.fun/

Karpathy的新發(fā)現(xiàn)：知識庫比代碼更值錢

4月3日，前OpenAI聯(lián)合創(chuàng)始人、前特斯拉AI總監(jiān)Andrej Karpathy在社交媒體上分享了一個引發(fā)廣泛討論的工作方式：

"最近我發(fā)現(xiàn)一個非常有用的做法：用LLM為各種研究興趣主題構(gòu)建個人知識庫。我最近大量的token消耗，已經(jīng)從操控代碼轉(zhuǎn)向了操控知識。"

他描述的方法并不復(fù)雜：

第一步，把原始資料（文章、論文、代碼庫、數(shù)據(jù)集、圖片）收集到一個目錄里。

第二步，用大模型把這些原始數(shù)據(jù)增量"編譯"成一個wiki，一組相互鏈接的markdown文件。wiki包含所有數(shù)據(jù)的摘要、反向鏈接，并自動按概念分類、撰寫文章、建立鏈接。

第三步，當(dāng)wiki足夠大時（Karpathy的一個研究主題已達(dá)~100篇文章、~40萬字），你可以向AI提出各種復(fù)雜問題，它會自主研究并給出答案。

Tina制作的AI巴菲特挖掘出的潛在聯(lián)系
為什么你需要一個本地知識庫？超越RAG

如果你用過ChatGPT的文件上傳功能、NotebookLM、或者任何企業(yè)級AI知識工具，你大概率用的是RAG（檢索增強(qiáng)生成）。

簡單說，RAG的工作方式是：你問一個問題，系統(tǒng)從文檔庫里檢索相關(guān)段落，AI基于這些段落生成答案。

RAG 工作流示意圖

聽起來合理。但Karpathy指出了一個根本性缺陷：

RAG不積累知識，也不會真正形成對知識的連續(xù)理解。 每次提問都從頭檢索，每次問答都是一次性的。

如果一個問題需要綜合5份文檔的信息，RAG會為這一次回答拉取組合。明天問同樣的問題，它重復(fù)整個過程。

更關(guān)鍵的是，它很難連接跨時間的信息，比如把巴菲特1999年的判斷和2024年的行為關(guān)聯(lián)起來。

用大模型本地知識庫的模式，你的知識庫會自我進(jìn)化：

• 新信息進(jìn)來時，自動更新多個頁面

• 自動維護(hù)概念之間的鏈接

• 自動檢測和解決矛盾

• 自動改寫章節(jié)以提升清晰度

你的角色從"手動組織知識"變成了"找到高質(zhì)量輸入+問有意義的問題"。剩下的結(jié)構(gòu)和維護(hù)工作，AI全包了。

為什么巴菲特是最好的實(shí)驗(yàn)對象？

如果你要練習(xí)用AI構(gòu)建知識庫，巴菲特的數(shù)據(jù)集幾乎是完美的訓(xùn)練素材：

第一，數(shù)據(jù)量剛好。 60年的股東信、數(shù)百場演講和訪談，總量在50-80萬字之間。這恰好在Karpathy說的"~40萬字就能有效運(yùn)作"的規(guī)模附近，不需要復(fù)雜的基礎(chǔ)設(shè)施。

第二，信息結(jié)構(gòu)豐富。 巴菲特的股東信不是碎片化的推文，每一封都有完整的邏輯鏈條：宏觀判斷，行業(yè)分析，具體投資決策，甚至還有事后復(fù)盤。

這種結(jié)構(gòu)天然適合大模型建立概念之間的關(guān)聯(lián)。

第三，有明確的"驗(yàn)證閉環(huán)"。 巴菲特在1999年說了什么，2008年做了什么，2025年的結(jié)果是什么？你可以用時間維度交叉驗(yàn)證AI知識庫的理解是否正確。

第四，此刻最有價值。 阿貝爾剛剛接任CEO，在首封股東信中明確表示將親自負(fù)責(zé)股票投資組合。他需要理解巴菲特的決策框架，市場也需要判斷阿貝爾是否真正繼承了這套方法論。

一個能隨時回答"巴菲特在面對類似情況時是怎么想的？"的AI知識庫，它的價值，前所未有。

Tina制作的AI巴菲特分析英偉達(dá)

你可以從知識庫里問出什么？

構(gòu)建完成后，你的"AI巴菲特"不是一個簡單的搜索引擎，是一個能做復(fù)雜推理的知識系統(tǒng)。

一些真實(shí)可用的問法：

• "巴菲特在利率上升周期通常如何調(diào)整持倉？列舉歷史上的具體案例和他當(dāng)時的原話。"

• "對比巴菲特和阿貝爾在能源投資上的差異。哪些決策體現(xiàn)了阿貝爾的獨(dú)立判斷？"

• "巴菲特說過多少次'別人貪婪時恐懼'？每次說這句話時的市場背景分別是什么？他真的每次都做到了嗎？"

• "從60年股東信中，提煉巴菲特評估保險公司的五個核心指標(biāo)。"

• "阿貝爾在2026年首封信中說'不分紅'，巴菲特在過去60年中對分紅政策的態(tài)度有沒有變化過？"

這些問題，靠Google搜索，或者幾本傳記都難以回答，但一個被AI持續(xù)維護(hù)的、覆蓋60年原始數(shù)據(jù)的知識庫，可以給你答案。

AI巴菲特整體架構(gòu) 不只巴菲特，跟Tina一起打造你的專屬知識庫

這個方法的真正價值不在于"做一個巴菲特知識庫"，它能幫你學(xué)會可以用在任何領(lǐng)域的方法：

• 把某個行業(yè)的研報、財報、分析師電話會議編譯成知識庫

• 把某個技術(shù)領(lǐng)域的論文、文檔、開源代碼編譯成知識庫

• 把自己的讀書筆記、學(xué)習(xí)心得、工作復(fù)盤編譯成知識庫

巴菲特的股東信是入門級別的"訓(xùn)練數(shù)據(jù)"，但你學(xué)到的方法論，是通用級別的"知識生產(chǎn)力工具"。

以上這些不是理論，今晚8:00，前哨AI小課將帶你從零開始，親手構(gòu)建一個巴菲特AI知識庫。