
LangAlpha v2026.08.05
Automatisiertes OSINT-Framework für Aufklärung, Datenernte und Threat-Intelligence-Sammlung mit modularen Crawlern, Scannern und Extraktionspipelines.
Das Harness für agentisches Trading.
Open-Source-KI-Agenten, die den Markt recherchieren, die These aufbauen
und in deinem eigenen Brokerage-Konto innerhalb der von dir gesetzten Berechtigungen handeln.
LangAlpha ausprobieren ↗ ·
Dokumentation ↗ ·
Erste Schritte ·
Agentisches Trading ·
Harness-Design ·
Full-Stack-Architektur ·
Sicherheit
English · 简体中文 · 日本語
Warum LangAlpha
Die meisten KI-Finanzwerkzeuge beantworten Fragen. Wir sind überzeugt, dass Investmentrecherche bayesianisch ist: Du schreibst eine These nieder und was sie widerlegen würde, und dann erhöht oder senkt jeder Quartalsbericht, jede Einreichung und jede Kursbewegung deine Überzeugung – und mit ihr deine Position. Dieser Kreislauf läuft über Wochen oder Monate, und kein einzelner Prompt fängt ihn ein.
Coding-Agenten wurden gut, sobald sie ein für Code gebautes Harness hatten: eine Codebasis, die bestehen bleibt, in der jeder Commit auf dem vorherigen aufbaut, plus die Werkzeuge, das Gedächtnis und die Laufzeitumgebung rund um das Modell. LangAlpha bringt dieses Harness an die Märkte – vom Vibe Coding zum Vibe Investing. Es funktioniert mit jedem Modell, sodass jedes bessere Modell es besser macht. Zwei Überzeugungen prägen es:
- Ein Trade ist ein Kreislauf, kein Tool-Aufruf. Die These lebt in einem Workspace, und Recherche, Positionsgröße, die Order und die Beobachtung, die folgt, speisen jeweils neue Erkenntnisse zurück in sie.
- Autonomie braucht eine Grenze, die du setzt. Agenten handeln innerhalb der Berechtigungen, die du erteilst, und jede Order nimmt einen einzigen geregelten Pfad.
Funktionshighlights
Die meisten dieser Beispiele stammen aus einem Workspace zu Cerebras (CBRS). Sieh es in Aktion mit dieser geteilten Unterhaltung, von der ersten Frage bis zum Initiation Report, der an Slack gesendet wurde.
🔎 Recherche mit einem Team von Agenten
Stelle eine Frage, und LangAlpha verteilt sie auf parallele Analysten, die Einreichungen lesen, Kurse, Options- und Makrodaten abrufen und die Zahlen im Code berechnen. Sende jederzeit eine Rückfrage, um sie mitten im Lauf umzulenken. Bei CBRS endete der Lauf in einem HTML-Primer darüber, was Cerebras verkauft, wie schnell es wächst und wer dafür bezahlt.
Subagenten: vier Analysten bearbeiten die Frage unter dem Lead-Agenten, jede Karte zählt ihre Tools und Tokens, und ein /html-report verwandelt ihre Erkenntnisse in den Primer rechts
🗂️ Jede Idee in einem Workspace festhalten
Ein Workspace pro These, Sektor oder Portfolio. Dateien, Chats und die eigenen Notizen des Agenten sind morgen noch da, sodass jede Sitzung auf der letzten aufbaut, statt von vorn zu beginnen.
„Baue mir ein interaktives Dashboard zu CBRS aus dem, was wir in diesem Workspace bisher herausgefunden haben: der Kurs mit den wichtigsten Ereignissen, Umsatzwachstum, Kundenkonzentration und wie viel von OpenAI abhängt. Ich möchte darin herumklicken können."
Ein neuer Thread baut es aus der Recherche und den Dateien, die frühere Threads im Workspace hinterlassen haben: ein Live-Dashboard, mit dem du spielen kannst.