Torna agli aggiornamenti
New releaseJul 31, 2026

LangAlpha v2026.07.30

Framework OSINT automatizzato per ricognizione, raccolta dati e raccolta di intelligence sulle minacce con crawler modulari, scanner e pipeline di estrazione.

Condividi

LangAlpha

L'harness per il trading agentico.

Agenti AI open-source che analizzano il mercato, costruiscono la tesi
e operano sul tuo conto di intermediazione entro i permessi che imposti.

Prova LangAlpha ↗ · Documentazione ↗ · Per iniziare · Trading agentico · Progettazione dell'harness · Architettura full-stack · Sicurezza
English · 简体中文 · 日本語

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

Il workspace demo-cbrs: l'agente che controlla la quotazione di CBRS, recupera i documenti depositati ed esegue due analisti a sinistra, e a destra la dashboard CBRS costruita da quella ricerca, aperta sul prezzo dall'IPO con i relativi marcatori di evento e la nota e le fonti di un evento selezionato

Perché LangAlpha

La maggior parte degli strumenti finanziari basati su AI risponde a domande. Riteniamo che la ricerca sugli investimenti sia bayesiana: scrivi una tesi e ciò che la smentirebbe, poi ogni pubblicazione di utili, documento depositato e movimento di prezzo alza o abbassa la tua convinzione, e con essa la tua posizione. Questo ciclo dura settimane o mesi, e nessun singolo prompt lo cattura.

Gli agenti di coding sono diventati validi quando hanno avuto un harness costruito per il codice: una codebase che persiste, dove ogni commit si basa sul precedente, più gli strumenti, la memoria e il runtime attorno al modello. LangAlpha porta quell'harness sui mercati, dal vibe coding al vibe investing. Funziona con qualsiasi modello, così ogni modello migliore lo rende migliore. Due convinzioni lo plasmano:

  • Un trade è un ciclo, non una chiamata a uno strumento. La tesi vive in un workspace, e la ricerca, il dimensionamento, l'ordine e il monitoraggio che segue alimentano ciascuno nuove evidenze al suo interno.
  • L'autonomia richiede un confine che imposti tu. Gli agenti agiscono entro i permessi che concedi, e ogni ordine segue un unico percorso governato.

Un trade è un ciclo: un'intuizione porta alla ricerca e a una tesi conservata nel workspace, poi al dimensionamento e al rischio, a un ordine e a un monitoraggio, e il monitoraggio alimenta nuove evidenze nella tesi e ne sposta la convinzione

Caratteristiche principali

La maggior parte di questi esempi proviene da un unico workspace su Cerebras (CBRS). Guardalo all'opera con questa conversazione condivisa, dalla prima domanda al report di avvio inviato su Slack.

🔎 Ricerca con una squadra di agenti

Poni una domanda e LangAlpha la suddivide tra analisti paralleli che leggono documenti depositati, recuperano prezzi, dati sulle opzioni e macroeconomici, ed eseguono i calcoli nel codice. Invia un messaggio di follow-up in qualsiasi momento per reindirizzarli durante l'esecuzione. Su CBRS, l'esecuzione si è conclusa con un primer HTML su cosa vende Cerebras, quanto cresce velocemente e chi paga per questo.

Una domanda su CBRS distribuita a quattro subagenti, elencati sotto l'agente principale nella barra laterale, accanto alla sezione del primer su chi paga Cerebras
Subagenti: quattro analisti lavorano alla domanda sotto l'agente principale, ogni scheda conta i propri strumenti e token, e un /html-report trasforma i loro risultati nel primer sulla destra

🗂️ Conserva ogni idea in un workspace

Un workspace per tesi, settore o portafoglio. File, chat e appunti dell'agente sono ancora lì domani, così ogni sessione si basa sulla precedente invece di ricominciare da zero.

"Creami una dashboard interattiva su CBRS da ciò che abbiamo trovato finora in questo workspace: il prezzo con gli eventi chiave, la crescita dei ricavi, la concentrazione dei clienti e quanto dipende da OpenAI. Voglio poterci cliccare sopra."

Un nuovo thread la costruisce dalla ricerca e dai file lasciati dai thread precedenti nel workspace: una dashboard live con cui puoi interagire.

Categorie