P01
Extracción dentro de la app
Los agentes abren la app, navegan hasta los datos y los extraen como lo haría una persona: pantalla por pantalla, en un dispositivo real.
01
// Qué se rompe hoy
El status quo cuesta más que el agente.
Tres dolores que cada equipo de ventas y BD vive cada semana. Cada uno es de lo que tus reps se quejan de verdad, no como los nombraría una página de funcionalidades.
- 01
Los datos que necesitas viven dentro de apps móviles que no tienen API, y el scraping web no llega hasta ellos.
02
// Pipelines que puedes construir
Compón. Aprueba. Replay.
Cada pipeline de abajo es una forma que cableas en el canvas usando el crew y las herramientas de más abajo. No es una funcionalidad que te entregamos, es un patrón que configuras.
P02
Ejecuciones programadas y limitadas
Limitado a las apps que permites, en el calendario que defines, con cada ejecución registrada y revisable.
P03
De pantallas a datasets
Las pantallas extraídas se convierten en registros validados y estructurados que tu pipeline puede consumir.
03
// El crew
Equipo de extracción de datos
Personas reales del crew research_team. Cada una llega con un system prompt afinado y una allowlist de herramientas por defecto. Cambia los modelos por persona en el canvas.
Científico de Datos
DataScientistConvierte la extracción pantalla por pantalla en datasets limpios y validados.
Analista de Mercado
MarketAnalystDecide qué fuentes dentro de la app importan y qué extraer de ellas.
Especialista en Contenido
LiteratureSpecialistDocumenta cada fuente y mantiene las extracciones reproducibles.
04
// herramientas con alcance
Solo las acciones que tú concedes.
Cada herramienta de abajo es una herramienta compartida real del bundle Melaya. Allowlist por agente, HITL en las escrituras y revocación en un clic.
shared/tools/phone/
Navega la app y lee los datos desde la pantalla en un dispositivo real.
phone_open_appphone_get_screen_treephone_scrollphone_screenshot
shared/tools/data_utils/
Valida y perfiles lo que salió de las pantallas.
csv_lintdf_describejson_validate
shared/tools/database/
Deposita los resultados donde tu pipeline los espera.
sql_querysql_export_csv
shared/tools/knowledge/
Construye un registro búscable de cada ejecución de extracción.
build_knowledge_from_textbuild_knowledge_from_file
05
// Tres capas de conocimiento
El crew lee lo que tú le das.
Cada pipeline llega con tres capas de acceso al conocimiento. Combínalas por agente en el canvas. Sin espacio vectorial compartido con otro tenant, sin lecturas sorpresa, sin retrieval opaco.
L1
Contexto estático
includeContextDocumentos por pipeline que se anexan al input de agentes específicos en cada run. El brief de ICP, el playbook, la lista de precios o el corpus de correos de deals ganados. Lo que tenga que estar ahí antes de que el agente piense. Tú eliges qué personas reciben qué documentos.
L2
herramienta de retrieval RAG
rag_retrieveUna herramienta con alcance concedida por agente. Cuando el agente decide que necesita más profundidad, consulta el vector store del flujo de trabajo a demanda. La misma base de conocimiento que el contexto estático, accedida solo cuando el modelo la pide.
L3
Memoria entre runs
pipeline_memoryEstado a nivel pipeline que se arrastra de un run al siguiente. La investigación de ayer está en alcance para el follow-up de hoy. El crew recuerda a quién ya prospectó, qué se aprobó, qué se envió. El audit log es la base de conocimiento de segundo orden.
07
// FAQ
Preguntas que nos llegan cada semana.
Construye pipelines de equipos de datos en Melaya.
El tier Sandbox es gratis y sin tarjeta. Únete a la lista de espera y te avisamos por correo en cuanto se libere un cupo.
← Volver a todos los casos de uso