北京
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任60年首席執行官。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大而感到自豪。"
巴菲特留下了什么？3733億美元現金儲備、1760億美元保險浮存金、189家子公司，以及散落在60年股東信、數百場演講、無數次訪談中的決策框架和投資哲學。
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，歡迎訪問該網址使用：https://buffet.tina-ai.fun/
Karpathy的新發現：知識庫比代碼更值錢
4月3日，前OpenAI聯合創始人、前特斯拉AI總監Andrej Karpathy在社交媒體上分享了一個引發廣泛討論的工作方式：
"最近我發現一個非常有用的做法：用LLM為各種研究興趣主題構建個人知識庫。我最近大量的token消耗，已經從操控代碼轉向了操控知識。"
他描述的方法并不復雜：
第一步，把原始資料（文章、論文、代碼庫、數據集、圖片）收集到一個目錄里。
第二步，用大模型把這些原始數據增量"編譯"成一個wiki，一組相互鏈接的markdown文件。wiki包含所有數據的摘要、反向鏈接，并自動按概念分類、撰寫文章、建立鏈接。
第三步，當wiki足夠大時（Karpathy的一個研究主題已達~100篇文章、~40萬字），你可以向AI提出各種復雜問題，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、或者任何企業級AI知識工具，你大概率用的是RAG（檢索增強生成）。
簡單說，RAG的工作方式是：你問一個問題，系統從文檔庫里檢索相關段落，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，它重復整個過程。
更關鍵的是，它很難連接跨時間的信息，比如把巴菲特1999年的判斷和2024年的行為關聯起來。
用大模型本地知識庫的模式，你的知識庫會自我進化：
新信息進來時，自動更新多個頁面
自動維護概念之間的鏈接
自動檢測和解決矛盾
自動改寫章節以提升清晰度
你的角色從"手動組織知識"變成了"找到高質量輸入+問有意義的問題"。剩下的結構和維護工作，AI全包了。
為什么巴菲特是最好的實驗對象？
如果你要練習用AI構建知識庫，巴菲特的數據集幾乎是完美的訓練素材：
第一，數據量剛好。 60年的股東信、數百場演講和訪談，總量在50-80萬字之間。這恰好在Karpathy說的"~40萬字就能有效運作"的規模附近，不需要復雜的基礎設施。
第二，信息結構豐富。 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，行業分析，具體投資決策，甚至還有事后復盤。
這種結構天然適合大模型建立概念之間的關聯。
第三，有明確的"驗證閉環"。 巴菲特在1999年說了什么，2008年做了什么，2025年的結果是什么？你可以用時間維度交叉驗證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責股票投資組合。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
你可以從知識庫里問出什么？
構建完成后，你的"AI巴菲特"不是一個簡單的搜索引擎，是一個能做復雜推理的知識系統。
一些真實可用的問法：
"巴菲特在利率上升周期通常如何調整持倉？列舉歷史上的具體案例和他當時的原話。"
"對比巴菲特和阿貝爾在能源投資上的差異。哪些決策體現了阿貝爾的獨立判斷？"
"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。"
"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持續維護的、覆蓋60年原始數據的知識庫，可以給你答案。
AI巴菲特整體架構 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"，它能幫你學會可以用在任何領域的方法：
把某個行業的研報、財報、分析師電話會議編譯成知識庫
把某個技術領域的論文、文檔、開源代碼編譯成知識庫
把自己的讀書筆記、學習心得、工作復盤編譯成知識庫
巴菲特的股東信是入門級別的"訓練數據"，但你學到的方法論，是通用級別的"知識生產力工具"。
以上這些不是理論，今晚8:00，前哨AI小課將帶你從零開始，親手構建一個巴菲特AI知識庫。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
