ginlix-ai/langalphaCadre OSINT automatisé pour la reconnaissance, la collecte de données et le renseignement sur les menaces, avec des robots d'exploration, des scanners et des pipelines d'extraction modulaires.
Des agents IA open source qui étudient le marché, construisent la thèse,
et tradent votre propre compte de courtage dans les limites des permissions que vous définissez.
Essayez LangAlpha ↗ ·
Premiers pas ·
Trading agentique ·
Conception du harnais ·
Architecture full-stack ·
Sécurité
English · 简体中文 · 日本語
La plupart des outils financiers IA répondent à des questions. Nous croyons que la recherche d'investissement est bayésienne : vous consignez une thèse et ce qui la réfuterait, puis chaque publication de résultats, chaque dépôt de documents et chaque mouvement de prix renforce ou affaiblit votre conviction, et votre position avec elle. Cette boucle dure des semaines ou des mois, et aucun prompt unique ne la capture.
Les agents de codage sont devenus performants une fois dotés d'un harnais conçu pour le code : une base de code qui persiste, où chaque commit s'appuie sur le précédent, plus les outils, la mémoire et le runtime autour du modèle. LangAlpha apporte ce harnais aux marchés, du vibe coding au vibe investing. Il fonctionne avec n'importe quel modèle, si bien que chaque meilleur modèle l'améliore. Deux convictions le façonnent :
La plupart de ces exemples proviennent d'un espace de travail sur Cerebras (CBRS). Voyez-le à l'œuvre avec cette conversation partagée, de la première question au rapport d'initiation envoyé sur Slack.
Posez une question et LangAlpha la répartit entre des analystes parallèles qui lisent les dépôts de documents, récupèrent les prix, les données d'options et macroéconomiques, et font les calculs en code. Envoyez une relance à tout moment pour les réorienter en cours d'exécution. Sur CBRS, l'exécution s'est conclue par un primer HTML sur ce que vend Cerebras, la vitesse de sa croissance et qui paie pour cela.
Sous-agents : quatre analystes traitent la question sous l'agent principal, chaque carte comptant ses outils et ses tokens, et un /html-report transforme leurs conclusions en primer à droite
Un espace de travail par thèse, secteur ou portefeuille. Les fichiers, les conversations et les notes de l'agent sont toujours là le lendemain, si bien que chaque session s'appuie sur la précédente au lieu de repartir de zéro.
« Construis-moi un tableau de bord interactif sur CBRS à partir de ce que nous avons trouvé jusqu'ici dans cet espace de travail : le cours avec les événements clés, la croissance du chiffre d'affaires, la concentration des clients, et le poids de la dépendance à OpenAI. Je veux pouvoir cliquer dedans. »
Un nouveau fil le construit à partir de la recherche et des fichiers laissés par les fils précédents dans l'espace de travail : un tableau de bord interactif avec lequel jouer.
 Fichiers de l'espace de travail : les données volumineuses atterrissent dans des fichiers, pas dans le contexte de l'agent. Cours, dépôts réglementaires et données de modèle remplissent le dossier data/ de chaque tâche dans l'arborescence |
 Applications en cours : l'agent construit des tableaux de bord interactifs. Cliquez sur une barre, un marqueur ou une ligne pour voir sa source, faites glisser le test de résistance du carnet de commandes OpenAI, ou @ les fichiers d'un autre fil pour les fusionner |
