LangAlpha

Ein Vibe-Investing-Agent-Harness
LangAlpha wurde entwickelt, um Finanzmärkte zu interpretieren und Anlageentscheidungen zu unterstützen.

English ｜ 简体中文 ｜ 日本語

Erste Schritte • API-Dokumentation • Agent-Kern • Backend • Web • TUI • Plugins

Pinnen Sie ein kuratiertes Nachrichten-Briefing vom Dashboard, starten Sie die Ideengenerierung und entsenden Sie parallele Subagenten, um den Markt zu screenen — und erhalten Sie dann fünf Long/Short-Pair-Trade-Ideen in einem inline interaktiven Dashboard, kalibriert auf Ihr Portfolio.

Warum LangAlpha

Jedes KI-Finanzwerkzeug von heute behandelt Investieren als One-Shot: eine Frage stellen, eine Antwort erhalten, weitermachen. Doch echtes Investieren ist Bayes'sch — Sie beginnen mit einer These, täglich treffen neue Daten ein, und Sie aktualisieren Ihre Überzeugung entsprechend. Es ist ein iterativer Prozess, der sich über Wochen und Monate entfaltet: Thesen verfeinern, Positionen überdenken, neue Analysen auf alte aufschichten. Kein einzelner Prompt fängt das ein.

Vom Vibe Coding zum Vibe Investing

Inspiriert von der Softwareentwicklung: Eine Codebasis bleibt bestehen, und jeder Commit baut auf dem auf, was zuvor kam. Code-Agent-Harnesses wie Claude Code und OpenCode waren erfolgreich, indem sie Agenten entwickelten, die diesem Muster folgen, vorhandenen Kontext erkunden und auf früherer Arbeit aufbauen. LangAlpha bringt dieselbe Erkenntnis mit: Geben Sie dem Agenten einen persistenten Arbeitsbereich, und die Recherche wächst natürlich an.

In der Praxis erstellen Sie einen Arbeitsbereich pro Rechercheziel („Q2-Rebalancing", „Deep Dive zur Rechenzentrumsnachfrage", „Rotation im Energiesektor"). Der Agent befragt Sie zu Ihren Zielen und Ihrem Stil, erstellt sein erstes Ergebnis und speichert alles im Dateisystem des Arbeitsbereichs. Kehren Sie morgen zurück, und Ihre Dateien, Threads und gesammelte Recherche sind noch da.

Funktionshighlights

• Progressive Tool Discovery — Alle MCP-Tools werden als Zusammenfassung in den Kontext geladen und die vollständige Dokumentation in den Arbeitsbereich abgelegt, sodass der Agent Tools wirklich bedarfsgerecht entdecken und nutzen kann. Unterstützt außerdem die Bindung von JSON-Tools an Skills, die dem Agenten nur dann offengelegt werden, wenn der Skill aktiviert ist.
• Programmatic Tool Calling (PTC) — Der Agent schreibt und führt Python aus, um Finanzdaten von MCP-Servern zu verarbeiten, anstatt Rohdaten in das LLM-Kontextfenster zu schütten, was komplexe mehrstufige Analysen ermöglicht und gleichzeitig den Token-Verbrauch drastisch reduziert.
• Finanzdaten-Ökosystem — Mehrstufige Provider-Hierarchie mit nativen Tools für schnelle Abfragen und MCP-Servern für Massendatenverarbeitung, Charting und mehrjährige Analysen in Sandboxes.
• Persistente Arbeitsbereiche — Jeder Arbeitsbereich ist einer dedizierten Sandbox mit strukturierten Verzeichnissen und einer Arbeitsbereichs-Notizdatei (agent.md) zugeordnet, die Recherche über Sitzungen und Threads hinweg anwachsen lässt. Ein separater Langzeitspeicher (.agents/user/memory/, .agents/workspace/memory/) bewahrt dauerhafte Benutzerpräferenzen und sandboxübergreifendes Wissen, und ein benutzerverwalteter Memo-Speicher (.agents/user/memo/) ermöglicht Ihnen das Hochladen von PDFs und Markdown-Recherchenotizen, die der Agent bei Bedarf lesen kann.
• Skills für die Finanzrecherche — Vorgefertigte Workflows für DCF-Modelle, Initiierungsberichte, Gewinnanalysen, Morning Notes, Dokumentengenerierung und mehr — aktivierbar per Slash-Befehl oder automatischer Erkennung.
• Finance Research Workbench — Web-UI mit inline Finanzcharts, Multi-Format-Dateibetrachter, TradingView-Charting, Echtzeit-WebSocket-Marktdaten, vom Agenten gezeichneten Chart-Annotationen, einem Quellenherkunfts-Panel pro Turn, teilbaren Konversationen und Subagenten-Überwachung.
• Multi-Provider-Modellschicht — Provider-agnostische LLM-Abstraktion und automatisches Failover bei Fehlern.
• Automatisierungen — Planen Sie wiederkehrende oder einmalige Aufgaben oder richten Sie preisausgelöste Automatisierungen ein, die ausgelöst werden, wenn eine Aktie oder ein Index eine Echtzeit-Preisbedingung erreicht.
• Sekretär — Der Flash-Agent fungiert zugleich als Sekretär: Arbeitsbereiche erstellen und verwalten, tiefgehende PTC-Analysen im Hintergrund entsenden, laufende Aufgaben überwachen und Ergebnisse abrufen — alles über konversationelle Befehle mit Human-in-the-Loop-Genehmigung.
• Agentenschwarm — Parallele asynchrone Subagenten mit isolierten Kontextfenstern, vorgeladenem Toolset/Skills, Steuerung während der Ausführung, Checkpoint-basierter Wiederaufnahme und Live-Fortschrittsüberwachung in der UI.
• Live-Steuerung — Senden Sie Folgenachrichten, während der Agent/Subagent arbeitet, um Kurskorrekturen vorzunehmen, zu klären oder umzuleiten, ohne auf dessen Fertigstellung zu warten.
• Middleware-Stack — ein tiefer, komponierbarer Middleware-Stack, der Skill-Laden, Planmodus, multimodale Eingabe, Auto-Kompaktierung und Kontextverwaltung übernimmt, um lang laufende Agentensitzungen zu unterstützen.
• Sicherheit & Vault — Verschlüsselung im Ruhezustand via pgcrypto, automatische Erkennung und Redaktion von Credential-Leaks, sandboxed Ausführung und kontobezogene Secret-Speicherung für sicheren Agentenzugriff
• Kanalintegrationen — Nutzen Sie LangAlpha aus Slack, Discord, Feishu und Telegram, plus E-Mail-Zustellung für geplante Ergebnisse.
• Produktionsreife Infrastruktur — SSE-gestreamte Agentenaktivität mit Redis-gepufferter Reconnection-Wiedergabe, vom HTTP-Verbindung entkoppelte Hintergrundausführung und PostgreSQL-gestützte Zustandspersistenz.

Was es antreibt

Systemarchitektur```mermaid %%{init: {'theme': 'neutral'}}%%

flowchart TB Web["Web UI
React 19 · Vite · Tailwind"] -- "REST · SSE" --> API Web -- "WebSocket" --> WSP CLI["CLI / TUI"] -- "REST · SSE" --> API

subgraph Server ["FastAPI Backend"]
    API["API Routers<br/>Threads · Workspaces · Market Data<br/>OAuth · Automations · Skills"]
    WSP["WebSocket Proxy"]
    API --> ChatHandler["Chat Handler<br/>LLM Resolution · Workflow Dispatch"]
    ChatHandler --> BTM["Background Task Manager<br/>Decoupled Execution · Workflow Lifecycle"]
end