Voltar às atualizações
New releaseAug 6, 2026

LangAlpha v2026.08.05

Estrutura automatizada de OSINT para reconhecimento, coleta de dados e inteligência de ameaças com módulos de rastreamento, scanners e pipelines de extração.

Compartilhar

LangAlpha

O harness para negociação agêntica.

Agentes de IA de código aberto que pesquisam o mercado, constroem a tese
e negociam na sua própria conta de corretagem dentro das permissões que você define.

Experimente o LangAlpha ↗ · Documentação ↗ · Comece agora · Negociação agêntica · Design do harness · Arquitetura full-stack · Segurança
English · 简体中文 · 日本語

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

O workspace demo-cbrs: o agente verificando a cotação da CBRS, buscando registros e executando dois analistas à esquerda, e à direita o dashboard da CBRS construído a partir dessa pesquisa, aberto no preço desde o IPO com seus marcadores de eventos e a nota e as fontes de um evento selecionado

Por que LangAlpha

A maioria das ferramentas de finanças com IA responde perguntas. Acreditamos que a pesquisa de investimento é bayesiana: você registra uma tese e o que provaria que ela está errada, e então cada divulgação de resultados, registro e movimento de preço aumenta ou diminui sua convicção, e sua posição junto com ela. Esse ciclo dura semanas ou meses, e nenhum prompt único o captura.

Agentes de programação ficaram bons quando ganharam um harness feito para código: uma base de código que persiste, onde cada commit se apoia no anterior, além das ferramentas, memória e runtime em torno do modelo. O LangAlpha traz esse harness para os mercados, do vibe coding ao vibe investing. Ele funciona com qualquer modelo, então cada modelo melhor o torna melhor. Duas convicções o moldam:

  • Uma negociação é um ciclo, não uma chamada de ferramenta. A tese vive em um workspace, e a pesquisa, o dimensionamento, a ordem e o acompanhamento que se segue alimentam cada nova evidência de volta nele.
  • A autonomia precisa de um limite que você define. Os agentes agem dentro das permissões que você concede, e toda ordem segue um único caminho governado.

Uma negociação é um ciclo: um palpite leva à pesquisa e a uma tese mantida no workspace, depois ao dimensionamento e ao risco, a uma ordem e a um acompanhamento, e o acompanhamento alimenta novas evidências de volta na tese e move sua convicção

Destaques de recursos

A maioria destes exemplos vem de um workspace sobre a Cerebras (CBRS). Veja funcionando na prática com esta conversa compartilhada, da primeira pergunta ao relatório de iniciação enviado ao Slack.

🔎 Pesquisa com uma equipe de agentes

Faça uma pergunta e o LangAlpha a divide entre analistas paralelos que leem documentos regulatórios, obtêm preços, dados de opções e macroeconômicos, e executam os cálculos em código. Envie uma mensagem de acompanhamento a qualquer momento para redirecioná-los durante a execução. No CBRS, a execução terminou em um guia em HTML sobre o que a Cerebras vende, quão rápido cresce e quem paga por isso.

Uma pergunta sobre CBRS distribuída a quatro subagentes, listados sob o agente principal na barra lateral, ao lado da seção do guia sobre quem paga a Cerebras
Subagentes: quatro analistas trabalham a questão sob o agente principal, cada cartão contabilizando suas ferramentas e tokens, e um /html-report transforma suas descobertas no guia à direita

🗂️ Mantenha cada ideia em um workspace

Um workspace por tese, setor ou portfólio. Arquivos, conversas e as próprias anotações do agente ainda estarão lá amanhã, para que cada sessão se baseie na anterior em vez de começar do zero.

"Monte para mim um dashboard interativo sobre o CBRS a partir do que já encontramos neste workspace: o preço com os principais eventos, o crescimento da receita, a concentração de clientes e quanto depende da OpenAI. Quero poder clicar e explorar."

Uma nova thread o constrói a partir da pesquisa e dos arquivos que threads anteriores deixaram no workspace: um dashboard ao vivo com o qual você pode interagir.

Categorias