LangAlpha v2026.07.22

Un harness di agenti per il vibe investing
LangAlpha è progettato per aiutare a interpretare i mercati finanziari e supportare le decisioni di investimento.

English ｜ 简体中文 ｜ 日本語

Per Iniziare • Documentazione API • Agent Core • Backend • Web • TUI • Plugin

Fissa un brief informativo curato dalla dashboard, avvia la generazione di idee e invia subagenti paralleli per analizzare il mercato — poi ottieni cinque idee di pair-trade long/short in una dashboard interattiva inline, calibrate sul tuo portafoglio.

Perché LangAlpha

Ogni strumento di finanza basato su AI oggi tratta l'investimento come un'operazione one-shot: fai una domanda, ottieni una risposta, passa oltre. Ma il vero investimento è bayesiano — parti da una tesi, nuovi dati arrivano ogni giorno e aggiorni di conseguenza la tua convinzione. È un processo iterativo che si sviluppa nell'arco di settimane e mesi: affinare tesi, rivedere posizioni, sovrapporre nuove analisi a quelle precedenti. Nessun singolo prompt cattura tutto questo.

Dal vibe coding al vibe investing

Ispirato all'ingegneria del software: un codebase persiste e ogni commit si costruisce su ciò che è venuto prima. Gli harness di agenti per il codice come Claude Code e OpenCode hanno avuto successo costruendo agenti che abbracciano questo pattern, esplorando il contesto esistente e costruendo sul lavoro precedente. LangAlpha porta la stessa intuizione: dai all'agente un workspace persistente e la ricerca si accumula naturalmente.

In pratica, crei un workspace per ogni obiettivo di ricerca ("ribilanciamento Q2", "deep dive sulla domanda di data center", "rotazione del settore energetico"). L'agente ti intervista sui tuoi obiettivi e sul tuo stile, produce il suo primo deliverable e salva tutto nel filesystem del workspace. Torna domani e i tuoi file, i thread e la ricerca accumulata saranno ancora lì.

Caratteristiche principali

• Progressive Tool Discovery — Qualsiasi strumento MCP viene caricato come sommario nel contesto e la documentazione completa viene riversata nel workspace, permettendo all'agente di scoprire e usare gli strumenti davvero on demand. Supporta anche il binding di strumenti json con le skill, esponendoli all'agente solo quando la skill è attivata.
• Programmatic Tool Calling (PTC) — L'agente scrive ed esegue Python per elaborare dati finanziari dai server mcp invece di riversare dati grezzi nella finestra di contesto dell'LLM, abilitando analisi complesse multi-step riducendo drasticamente lo spreco di token.
• Ecosistema di dati finanziari — Gerarchia di provider multi-livello con strumenti nativi per ricerche rapide e server MCP per l'elaborazione di dati in blocco, charting e analisi pluriennali in sandbox.
• Workspace persistenti — Ogni workspace è mappato a una sandbox dedicata con directory strutturate e un file di note del workspace (agent.md) che accumula la ricerca tra sessioni e thread. Un archivio separato di memoria a lungo termine (.agents/user/memory/, .agents/workspace/memory/) conserva preferenze utente durevoli e conoscenza cross-sandbox, e un archivio di memo gestito dall'utente (.agents/user/memo/) ti permette di caricare PDF e note di ricerca in markdown che l'agente può leggere on demand.
• Skill per la ricerca finanziaria — Workflow predefiniti per modelli DCF, report di initiating coverage, analisi degli utili, morning notes, generazione di documenti e altro — attivabili tramite slash command o rilevamento automatico.
• Finance Research Workbench — Web UI con grafici finanziari inline, visualizzatore di file multi-formato, charting TradingView, dati di mercato in tempo reale via WebSocket, annotazioni sui grafici disegnate dall'agente, un pannello di provenienza delle fonti per turno, conversazioni condivisibili e monitoraggio dei subagenti.
• Livello modelli multi-provider — Astrazione LLM provider-agnostic e failover automatico in caso di errore.
• Automazioni — Pianifica attività ricorrenti o one-shot, oppure imposta automazioni attivate dal prezzo che scattano quando un'azione o un indice raggiunge una condizione di prezzo in tempo reale.
• Secretary — L'agente Flash funge anche da segretario: crea e gestisce workspace, invia analisi PTC approfondite in background, monitora le attività in esecuzione e recupera i risultati — tutto tramite comandi conversazionali con approvazione human-in-the-loop.
• Agent swarm — Subagenti asincroni paralleli con finestre di contesto isolate, toolset/skill precaricati, steering a metà esecuzione, ripresa basata su checkpoint e monitoraggio del progresso in tempo reale nella UI.
• Live steering — Invia messaggi di follow-up mentre l'agente/subagente sta lavorando per correggere la rotta, chiarire o reindirizzare senza aspettare che finisca.
• Middleware stack — uno stack middleware profondo e componibile che gestisce il caricamento delle skill, la modalità piano, l'input multimodale, l'auto-compaction e la gestione del contesto per supportare sessioni agente di lunga durata.
• Sicurezza e vault — Crittografia at-rest tramite pgcrypto, rilevamento e redazione automatica delle fughe di credenziali, esecuzione in sandbox e archiviazione dei segreti per account per un accesso sicuro dell'agente
• Integrazioni con canali — Usa LangAlpha da Slack, Discord, Feishu e Telegram, oltre alla consegna via email dei risultati pianificati.
• Infrastruttura production-ready — Attività dell'agente in streaming SSE con replay di riconnessione bufferizzato su Redis, esecuzione in background disaccoppiata dalle connessioni HTTP e persistenza dello stato basata su PostgreSQL.

Cosa lo alimenta

Architettura 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

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