LangAlpha

Harness для инвестирования по вибрации
LangAlpha создана, чтобы помогать интерпретировать финансовые рынки и поддерживать инвестиционные решения.

Английский ｜ 简体中文 ｜ 日本語

Начало работы • Документация API • Ядро агента • Бэкенд • Веб • TUI • Навыки • MCP

Закрепите курируемую новостную сводку с панели управления, запустите генерацию идей и отправьте параллельных саб-агентов для сканирования рынка — затем получите пять идей парных сделок long/short во встроенной интерактивной панели, откалиброванной под вашу книгу.

Зачем нужен LangAlpha

Сегодня каждый AI-финансовый инструмент рассматривает инвестирование как одноразовый запрос: задай вопрос, получи ответ, иди дальше. Но реальное инвестирование — это байесовский процесс: у вас есть гипотеза, каждый день поступают новые данные, и вы соответствующим образом корректируете свою уверенность. Это итеративный процесс, разворачивающийся в течение недель и месяцев: уточнение гипотез, пересмотр позиций, наслоение нового анализа на старый. Ни один отдельно взятый промпт этого не охватывает.

От vibe coding к vibe investing

Вдохновлено разработкой ПО: кодовая база сохраняется, и каждый коммит строится на том, что было раньше. Harness для кодовых агентов, такие как Claude Code и OpenCode, добились успеха, создавая агентов, которые следуют этому шаблону — изучают существующий контекст и развивают предыдущую работу. LangAlpha применяет ту же идею: дайте агенту постоянное рабочее пространство, и исследования естественным образом накапливаются.

На практике вы создаёте рабочее пространство для каждой исследовательской задачи («ребалансировка Q2», «глубокий анализ спроса на дата-центры», «ротация энергетического сектора»). Агент опрашивает вас о ваших целях и стиле, создаёт первый результат и сохраняет всё в файловой системе рабочего пространства. Вернитесь завтра — ваши файлы, обсуждения и накопленные исследования всё ещё на месте.

Основные возможности

• Прогрессивное обнаружение инструментов — Любые MCP-инструменты загружаются в виде сводки в контексте, а полная документация помещается в рабочее пространство, что позволяет агенту по-настоящему обнаруживать и использовать инструменты по мере необходимости. Также поддерживается привязка JSON-инструментов к навыкам с раскрытием агенту только при активации навыка.
• Программный вызов инструментов (PTC) — Агент пишет и выполняет Python-код для обработки финансовых данных с MCP-серверов вместо того, чтобы выливать необработанные данные в контекстное окно LLM, что позволяет проводить сложный многошаговый анализ при радикальном сокращении расхода токенов.
• Экосистема финансовых данных — Многоуровневая иерархия провайдеров с нативными инструментами для быстрых запросов и MCP-серверами для массовой обработки данных, построения графиков и многолетнего анализа в песочницах.
• Постоянные рабочие пространства — Каждое рабочее пространство привязано к выделенной песочнице со структурированными каталогами и файлом заметок рабочего пространства (agent.md), в котором накапливаются исследования между сессиями и обсуждениями. Отдельное долговременное хранилище памяти (.agents/user/memory/, .agents/workspace/memory/) сохраняет устойчивые предпочтения пользователя и знания между песочницами, а управляемое пользователем хранилище заметок (.agents/user/memo/) позволяет загружать PDF-файлы и исследовательские заметки в формате Markdown, которые агент может читать по запросу.
• Навыки для финансовых исследований — Готовые рабочие процессы для DCF-моделей, составления обзорных отчётов, анализа доходов, утренних заметок, создания документов и многого другого — активируются слэш-командой или автоматически.
• Рабочее место для финансовых исследований — Веб-интерфейс со встроенными финансовыми графиками, просмотрщиком файлов различных форматов, графиками TradingView, рыночными данными в реальном времени через WebSocket, аннотациями графиков от агента, панелью источников для каждого шага, возможностью делиться беседами и мониторингом саб-агентов.
• Много-провайдерный слой моделей — Независимая от провайдера абстракция LLM и автоматический переход на другой канал при ошибке.
• Автоматизации — Планирование повторяющихся или одноразовых задач, а также автоматизации, срабатывающие при достижении акцией или индексом ценового условия в реальном времени.
• Секретарь — Flash-агент также выступает в роли секретаря: создание и управление рабочими пространствами, запуск фонового углублённого PTC-анализа, мониторинг выполняемых задач и получение результатов — всё через диалоговые команды с подтверждением человека.
• Рой агентов — Параллельные асинхронные саб-агенты с изолированными контекстными окнами, предварительно загруженным набором инструментов/навыков, управлением на ходу, возобновлением с контрольных точек и мониторингом прогресса в реальном времени в интерфейсе.
• Управление на ходу — Отправка дополнительных сообщений во время работы агента/саб-агента для корректировки курса, уточнения или перенаправления без ожидания завершения.
• Стек промежуточного ПО — Глубокий компонуемый стек промежуточного ПО, отвечающий за загрузку навыков, режим планирования, мультимодальный ввод, автоматическое сжатие и управление контекстом для поддержки длительных сессий агента.
• Безопасность и хранилище рабочих пространств — Шифрование в покое через pgcrypto, автоматическое обнаружение и замазывание утечек учётных данных, выполнение в изолированной среде и хранение секретов для безопасного доступа агента в каждом рабочем пространстве.
• Интеграции с каналами — Используйте LangAlpha из Slack, Discord, Feishu и Telegram, а также доставку запланированных результатов по электронной почте.
• Промышленная инфраструктура — SSE-стриминг активности агента с повторным воспроизведением при переподключении через Redis-буфер, фоновое выполнение, не привязанное к HTTP-соединениям, и хранение состояния на PostgreSQL.

Что лежит в основе

Архитектура системы```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