aiGeek

目前更适合判断为“受关注中的开源投资研究框架”，还不能仅凭现有证据判断为已被广泛验证的成熟投研产品。现有证据主要来自一条 X 帖子对 GitHub 项目的转述，能证明题材有吸引力，也能说明它试图把价值投资方法论与多 Agent 工作流结合，但不足以单独证明研究质量、稳定性或实际收益表现。

它的实际作用更像“AI 辅助投研工作流编排器”，而不是券商软件、自动交易机器人，也不是直接给买卖信号的量化系统。更准确的类比，是把几位知名价值投资者常见的研究框架拆成多个 AI 研究步骤，用 Claude Code 和并行 Agent 去整理资料、生成分析草稿、形成研究备忘录。它更可能帮助用户加快信息归纳与框架化分析，而不是替代最终投资判断。

门槛和成本方面，已知信息只能支持它依赖 Claude Code 与多 Agent 配置，因此默认存在一定技术门槛，包括本地部署、工作流配置、提示词调试和模型调用成本。但目前没有看到官方定价、稳定 API 成本或大规模实测数据，所以费用只能保守地说“可能随模型调用量上升”，不能把社媒里的演示印象当成稳定承诺。

适合本身就懂基础财报、行业研究和价值投资框架，并愿意折腾开源工具的个人研究者或开发者；不太适合把它当成低门槛选股神器的新手。社媒共识目前偏“概念有意思、方向清晰”，但讨论质量样本有限：现有来源以转发式介绍为主，热度证明弱于能力证明；缺少详细教程、长文实测、官方文档摘录或独立案例，因此对好用程度、复现难度和输出可靠性的判断都应保持保守。