LangAlpha v2026.07.30

Un arnés de agente para inversión por vibra
LangAlpha está diseñado para ayudar a interpretar los mercados financieros y respaldar decisiones de inversión.

English ｜ 简体中文 ｜ 日本語

Primeros pasos • Documentación de la API • Núcleo del agente • Backend • Web • TUI • Plugins

Fija un resumen de noticias seleccionado desde el panel, inicia la generación de ideas y despacha subagentes en paralelo para explorar el mercado — luego obtén cinco ideas de operaciones de pares long/short en un panel interactivo integrado, calibrado a tu cartera.

Por qué LangAlpha

Todas las herramientas de finanzas con IA actuales tratan la inversión como algo de un solo uso: haces una pregunta, obtienes una respuesta y sigues adelante. Pero la inversión real es bayesiana: empiezas con una tesis, llegan nuevos datos a diario y actualizas tu convicción en consecuencia. Es un proceso iterativo que se desarrolla a lo largo de semanas y meses: refinar tesis, revisar posiciones, superponer nuevos análisis sobre los antiguos. Ningún prompt único captura eso.

De la programación por vibra a la inversión por vibra

Inspirado en la ingeniería de software: un código base persiste y cada commit se construye sobre lo que vino antes. Los arneses de agentes de código como Claude Code y OpenCode triunfaron al construir agentes que adoptan este patrón, explorando el contexto existente y construyendo sobre el trabajo previo. LangAlpha aporta esa misma idea: dale al agente un espacio de trabajo persistente y la investigación se acumula de forma natural.

En la práctica, creas un espacio de trabajo por cada objetivo de investigación ("rebalanceo del Q2", "análisis profundo de la demanda de centros de datos", "rotación del sector energético"). El agente te entrevista sobre tus objetivos y tu estilo, produce su primer entregable y guarda todo en el sistema de archivos del espacio de trabajo. Vuelve mañana y tus archivos, hilos e investigación acumulada seguirán ahí.

Aspectos destacados

• Descubrimiento progresivo de herramientas — Cualquier herramienta MCP se carga como resumen en el contexto y su documentación completa se vuelca en el espacio de trabajo, lo que permite al agente descubrir y usar herramientas verdaderamente bajo demanda. También admite vincular herramientas json con skills y exponerlas al agente solo cuando la skill se activa.
• Llamada programática a herramientas (PTC) — El agente escribe y ejecuta Python para procesar datos financieros de servidores mcp en lugar de volcar datos sin procesar en la ventana de contexto del LLM, lo que permite análisis complejos de varios pasos y reduce drásticamente el desperdicio de tokens.
• Ecosistema de datos financieros — Jerarquía de proveedores multinivel con herramientas nativas para consultas rápidas y servidores MCP para procesamiento masivo de datos, gráficos y análisis multianual en sandboxes.
• Espacios de trabajo persistentes — Cada espacio de trabajo se asigna a un sandbox dedicado con directorios estructurados y un archivo de notas del espacio de trabajo (agent.md) que acumula investigación entre sesiones e hilos. Un almacén de memoria a largo plazo independiente (.agents/user/memory/, .agents/workspace/memory/) conserva preferencias duraderas del usuario y conocimiento entre sandboxes, y un almacén de memos gestionado por el usuario (.agents/user/memo/) te permite subir PDFs y notas de investigación en markdown que el agente puede leer bajo demanda.
• Skills para investigación financiera — Flujos de trabajo preconstruidos para modelos DCF, informes de inicio de cobertura, análisis de resultados, notas matutinas, generación de documentos y más — activables mediante comando de barra o detección automática.
• Banco de trabajo de investigación financiera — Interfaz web con gráficos financieros integrados, visor de archivos multiformato, gráficos de TradingView, datos de mercado en tiempo real por WebSocket, anotaciones de gráficos dibujadas por el agente, un panel de procedencia de fuentes por turno, conversaciones compartibles y monitoreo de subagentes.
• Capa de modelos multiproveedor — Abstracción de LLM agnóstica del proveedor y conmutación por error automática.
• Automatizaciones — Programa tareas recurrentes o puntuales, o configura automatizaciones activadas por precio que se disparan cuando una acción o índice alcanza una condición de precio en tiempo real.
• Secretario — El agente Flash también funciona como secretario: crea y gestiona espacios de trabajo, despacha análisis PTC profundos en segundo plano, monitorea tareas en ejecución y recupera resultados — todo mediante comandos conversacionales con aprobación humana en el bucle.
• Enjambre de agentes — Subagentes asíncronos en paralelo con ventanas de contexto aisladas, conjunto de herramientas/skills precargados, dirección a mitad de ejecución, reanudación basada en checkpoints y monitoreo de progreso en vivo en la interfaz.
• Dirección en vivo — Envía mensajes de seguimiento mientras el agente/subagente trabaja para corregir el rumbo, aclarar o redirigir sin esperar a que termine.
• Pila de middleware — una pila de middleware profunda y componible que gestiona la carga de skills, el modo de planificación, la entrada multimodal, la autocompactación y la gestión del contexto para soportar sesiones de agente de larga duración.
• Seguridad y bóveda — Cifrado en reposo mediante pgcrypto, detección y redacción automáticas de fugas de credenciales, ejecución en sandbox y almacenamiento de secretos por cuenta para un acceso seguro del agente
• Integraciones de canales — Usa LangAlpha desde Slack, Discord, Feishu y Telegram, además de entrega por correo electrónico para resultados programados.
• Infraestructura lista para producción — Actividad del agente transmitida por SSE con reproducción de reconexión almacenada en búfer con Redis, ejecución en segundo plano desacoplada de las conexiones HTTP y persistencia de estado respaldada por PostgreSQL.

Qué lo impulsa

Arquitectura del sistema```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