Conjunto de skills para Claude Code y Codex que investigan empresas cotizadas con inversión en valor, aplicando los enfoques de Buffett, Munger, Duan Yongping y Li Lu mediante análisis multiagente.
BruceLanLan/augur
Sistema local de memoria para investigación de inversiones: 18 perfiles de inversores analizan una acción por separado y luego combinan sus resultados en un consenso ponderado con evidencia trazable.
- Estrellas
- 682
- Forks
- 115
- Issues abiertos
- 3
- Último commit
- hace 9 días
Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.
¿Qué es?
Augur es una herramienta local para investigar y analizar acciones. Dieciocho perfiles de inversores basados en reglas, inspirados en filosofías de inversión públicas como el value investing, el crecimiento, la macroeconomía y distintos enfoques del mercado chino, analizan cada ticker por separado. Después, un motor de consenso ponderado combina sus señales, puntuaciones, niveles de confianza y cálculos del tamaño de posición de Kelly, y muestra en qué coinciden y discrepan los perfiles.
Cada evidencia incluye su fuente y marcas de tiempo independientes para el momento de negocio, la disponibilidad y la recuperación. Los datos que faltan se señalan explícitamente, y los perfiles que dependen de ellos se abstienen e indican el motivo, en lugar de tratarlos silenciosamente como cero. Cada ejecución se guarda como un RunBundle inmutable que se puede exportar, comparar y revisar más adelante. De forma predeterminada, los datos se guardan en un directorio local y el proyecto no incluye telemetría.
El proyecto ofrece una CLI, un dashboard web local con páginas para valoración DCF, colas de resultados, seguimiento de tesis y evaluación de backtests, y un servidor MCP para conectar Claude u otros agentes. Obtiene datos de mercado mediante yfinance y documentos de SEC EDGAR, y deja claro que no ofrece asesoramiento de inversión.
Funciones clave
- 01Dieciocho perfiles de inversores analizan el mismo ticker por separado y generan un consenso ponderado.
- 02Los elementos de evidencia registran la fuente y marcas de tiempo independientes para el momento de negocio, la disponibilidad y la recuperación.
- 03Los datos que faltan se señalan explícitamente, y los perfiles que dependen de ellos se abstienen e indican el motivo.
- 04Cada ejecución se guarda en un RunBundle inmutable y exportable para revisarlo más adelante.
- 05Incluye un dashboard local, una CLI y un servidor MCP para integrar agentes.
- 06Obtiene datos fundamentales de documentos de SEC EDGAR, como comparaciones de factores de riesgo de formularios 10-K y diferencias en XBRL.
Casos de uso
- Estructurar una revisión previa a la publicación de resultados de una lista de acciones bajo seguimiento.
- Comparar cómo distintos enfoques de inversión en value y crecimiento valoran una misma empresa.
- Mantener un historial auditable de ejecuciones anteriores de investigación de inversiones y sus supuestos.
- Poner un flujo de investigación local a disposición de Claude u otros agentes mediante MCP.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/BruceLanLan/augur.git && cd augur - 2
Crea y activa un entorno virtual
python3 -m venv .venv && source .venv/bin/activate - 3
Instala el paquete principal con compatibilidad con datos de yfinance
pip install -e ".[data]" - 4
Ejecuta el análisis de 18 personas en una acción
augur analyze AAPL
Antes de usarlo
- Se requiere Python 3.10 o posterior.
- Las funciones de SEC EDGAR requieren configurar un correo electrónico de contacto real en AUGUR_EDGAR_CONTACT_EMAIL.
- Las personas inversoras son simulaciones basadas en reglas de ideas de inversión públicas, no reflejan las opiniones de los inversores reales, y el README advierte que no constituyen asesoramiento financiero.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es augur?
- Sistema local de memoria para investigación de inversiones: 18 perfiles de inversores analizan una acción por separado y luego combinan sus resultados en un consenso ponderado con evidencia trazable. Augur es una herramienta local para investigar y analizar acciones. Dieciocho perfiles de inversores basados en reglas, inspirados en filosofías de inversión públicas como el value investing, el crecimiento, la macroeconomía y distintos enfoques del mercado chino, analizan cada ticker por separado. Después, un motor de consenso ponderado combina sus señales, puntuaciones, niveles de confianza y cálculos del tamaño de posición de Kelly, y muestra en qué coinciden y discrepan los perfiles.
- ¿augur es gratuito? ¿Qué licencia tiene?
- augur es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿augur sigue mantenido?
- Mantenimiento activo. El último commit de augur fue el 29 oct 2026.
- ¿Para qué puedo usar augur?
- Estructurar una revisión previa a la publicación de resultados de una lista de acciones bajo seguimiento. Comparar cómo distintos enfoques de inversión en value y crecimiento valoran una misma empresa. Mantener un historial auditable de ejecuciones anteriores de investigación de inversiones y sus supuestos. Poner un flujo de investigación local a disposición de Claude u otros agentes mediante MCP.
- ¿Cómo se instala augur?
- Clona el repositorio: git clone https://github.com/BruceLanLan/augur.git && cd augur Crea y activa un entorno virtual: python3 -m venv .venv && source .venv/bin/activate Instala el paquete principal con compatibilidad con datos de yfinance: pip install -e ".[data]" Ejecuta el análisis de 18 personas en una acción: augur analyze AAPL
- ¿Dónde consigo augur?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/BruceLanLan/augur
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de IA agéntica de código abierto para investigación financiera que combina LLM con herramientas deterministas de valoración y flujos de trabajo multiagente.
Asistente de investigación multiagente con LLM para el mercado chino de acciones A, con analistas que debaten, búsqueda en lenguaje natural y trading simulado.
Plataforma de análisis de inversiones basada en IA que utiliza varios agentes de LangGraph para analizar acciones A, acciones de EE. UU. y ETF, y transmite cada paso del proceso de decisión mediante SSE.
Sistema multiagente de análisis de inversiones en acciones A de China, en el que agentes de IA debaten perspectivas alcistas, bajistas y de riesgo antes de sugerir operaciones.
Aplicación de escritorio open source y local-first donde un agente Commander convierte tus objetivos en tareas y coordina agentes especializados y agentes CLI como Claude Code y Codex.