Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
LangAlpha — Marco automatizado de OSINT para reconocimiento, recolección de datos y recopilación de inteligencia de amenazas con rastreadores modulares, escáneres y tuberías de extracción. | Kitploit
Herramientas/GitHubGitHub/ginlix-ai/langalpha
OSINT (Inteligencia de Fuentes Abiertas)ReconocimientoScripting y AutomatizaciónExfiltración de DatosRecopilación de InformaciónSeguridad WebUtilidades y FrameworksInteligencia de AmenazasCrawler
GitHubginlix-ai/langalpha

LangAlpha

Marco automatizado de OSINT para reconocimiento, recolección de datos y recopilación de inteligencia de amenazas con rastreadores modulares, escáneres y tuberías de extracción.

1.6k27076hace 10h 30mRevisado por Kitploit

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →
Compartir
Ver RepositorioSitio web

LangAlpha

El arnés para el trading agéntico.

Agentes de IA de código abierto que investigan el mercado, construyen la tesis
y operan en tu propia cuenta de corretaje dentro de los permisos que establezcas.

Prueba LangAlpha ↗ · Comenzar · Trading agéntico · Diseño del arnés · Arquitectura full-stack · Seguridad
English · 简体中文 · 日本語

GitHub stars License: Apache 2.0 Python 3.13+ LangChain Desktop app

El espacio de trabajo demo-cbrs: el agente consultando la cotización de CBRS, obteniendo presentaciones y ejecutando dos analistas a la izquierda, y a la derecha el panel de CBRS construido a partir de esa investigación, abierto en el precio desde la IPO con sus marcadores de eventos y la nota y las fuentes de un evento seleccionado

Por qué LangAlpha

La mayoría de las herramientas de finanzas con IA responden preguntas. Creemos que la investigación de inversiones es bayesiana: escribes una tesis y lo que demostraría que está equivocada, y luego cada informe de resultados, presentación y movimiento de precio eleva o reduce tu convicción, y tu posición con ella. Ese ciclo dura semanas o meses, y ningún prompt único lo captura.

Los agentes de programación mejoraron una vez que tuvieron un arnés construido para el código: una base de código que persiste, donde cada commit se construye sobre el anterior, además de las herramientas, la memoria y el entorno de ejecución alrededor del modelo. LangAlpha lleva ese arnés a los mercados, del vibe coding al vibe investing. Funciona con cualquier modelo, así que cada modelo mejor lo mejora. Dos convicciones lo moldean:

  • Una operación es un ciclo, no una llamada a una herramienta. La tesis vive en un espacio de trabajo, y la investigación, el dimensionamiento, la orden y la vigilancia que sigue a cada una realimentan nueva evidencia en ella.
  • La autonomía necesita un límite que tú establezcas. Los agentes actúan dentro de los permisos que concedes, y cada orden sigue un único camino gobernado.

Una operación es un ciclo: una intuición lleva a la investigación y a una tesis guardada en el espacio de trabajo, luego al dimensionamiento y el riesgo, a una orden y una vigilancia, y la vigilancia realimenta nueva evidencia en la tesis y mueve su convicción

Características destacadas

La mayoría de estos ejemplos provienen de un espacio de trabajo sobre Cerebras (CBRS). Míralo funcionar en acción con esta conversación compartida, desde la primera pregunta hasta el informe de iniciación enviado a Slack.

🔎 Investigación con un equipo de agentes

Haz una pregunta y LangAlpha la divide entre analistas en paralelo que leen presentaciones, obtienen precios, datos de opciones y macroeconómicos, y ejecutan los cálculos en código. Envía un seguimiento en cualquier momento para redirigirlos durante la ejecución. En CBRS, la ejecución terminó en una introducción en HTML sobre qué vende Cerebras, qué tan rápido crece y quién paga por ello.

Una pregunta sobre CBRS distribuida a cuatro subagentes, listados bajo el agente principal en la barra lateral, junto a la sección del informe sobre quién paga a Cerebras
Subagentes: cuatro analistas trabajan la pregunta bajo el agente principal, cada tarjeta contando sus herramientas y tokens, y un /html-report convierte sus hallazgos en el informe de la derecha

🗂️ Mantén cada idea en un espacio de trabajo

Un espacio de trabajo por tesis, sector o cartera. Los archivos, los chats y las notas propias del agente siguen ahí mañana, así que cada sesión se apoya en la anterior en lugar de empezar de cero.

"Constrúyeme un panel interactivo sobre CBRS a partir de lo que hemos encontrado hasta ahora en este espacio de trabajo: el precio con los eventos clave, el crecimiento de los ingresos, la concentración de clientes y cuánto depende de OpenAI. Quiero poder navegar por él."

Un nuevo hilo lo construye a partir de la investigación y los archivos que hilos anteriores dejaron en el espacio de trabajo: un panel en vivo con el que puedes interactuar.

El espacio de trabajo demo-cbrs en plena investigación: el agente cargando las skills xlsx y dcf-model y ejecutando código para las entradas de mercado, junto a revenue_history.json abierto desde la carpeta de datos de la tarea overview en un árbol de archivos con una carpeta por tarea
Archivos del espacio de trabajo: los datos masivos acaban en archivos, no en el contexto del agente. Los precios, los registros y las entradas del modelo llenan la carpeta data/ de cada tarea en el árbol de archivos
El hilo del panel: la petición de construcción y un seguimiento que fusiona los archivos de eventos de otro hilo, junto al panel de CBRS en vivo sobre cuánto depende de OpenAI, con su registro de exposición y su prueba de estrés de la cartera de pedidos
Aplicaciones en ejecución: el agente construye paneles interactivos. Haz clic en una barra, un marcador o una fila para ver su fuente, arrastra la prueba de estrés de la cartera de pedidos de OpenAI, o menciona con @ los archivos de otro hilo para fusionarlos

⏰ Agentes que vigilan

Programa un informe antes de la apertura, o despierta a un agente cuando una acción cruce un precio o se mueva un porcentaje determinado en un día. Los resultados llegan a un único feed y, si los conectas y los eliges para la entrega, también a Slack, Discord, Telegram, Feishu o iMessage.

Descargar herramienta