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.
Los analistas queman 12 horas a la semana jalando charts de FRED, scrapeando 10 Ks y copy-pasteando transcripts de earnings antes de escribir un solo párrafo de tesis.
Un número sin cita en una nota publicada dispara una revisión de compliance y un rewrite el lunes en la mañana, mientras el PM ya pasó al siguiente nombre.
El deep dive del trimestre pasado vive en el Notion de alguien, así que el mismo nombre se investiga desde cero tres veces al año y nadie recuerda el paper que lo contradice.
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.
MarketAnalyst jala filings de EDGAR e insider Form 4, DataScientist propone un funcionalidad sobre esa lectura, LiteratureSpecialist scorea los papers que la respaldan. El gate HITL retiene el brief hasta que el analista firma la lectura de régimen.
MacroEconomist consulta FRED por tasas, DXY e impresiones de inflación, luego escribe la lectura de régimen con los próximos 30 días de releases. El contexto estático guarda la house view para que la guía de sizing se mantenga consistente entre semanas.
Cuando pega un 8 K, MarketAnalyst jala el filing y el transcript, DataScientist hace diff de la guidance contra el trimestre pasado, la herramienta rag_retrieve trae la nota previa para emparejar tono. El analista aprueba antes de la distribución.
LiteratureSpecialist barre arXiv q fin y OpenAlex de los últimos 90 días, scorea la calidad de replicación y lista un paper que contradice por cada tesis. La memoria entre runs arrastra la lectura entre trimestres para que los duplicados caigan.
DataScientist propone un funcionalidad falsable con un test estadístico, LiteratureSpecialist saca papers que argumentan en contra, MarketAnalyst checa los datos on-chain o de funding rate. El gate HITL fuerza la firma sobre los kill criteria antes del sizing.
MarketAnalyst corre la búsqueda full text de EDGAR sobre una lista de coverage, DataScientist normaliza los hits en una tabla de funcionalidades con ids de párrafo citados. Replay de cada celda de vuelta a su párrafo de 10 K para la siguiente revisión de compliance.
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.
Arma el brief de estructura de mercado con funding rates, open interest, flujos on-chain y una lectura de régimen declarada (bullish, bearish o neutral) con riesgos nombrados.
Fija el marco macro con la reaction function de la Fed, tendencia del DXY, ciclo de liquidez global y un calendario de 30 días de eventos que mueven el sizing de posición.
Lee papers recientes de finanzas cuantitativas, scorea la calidad de replicación y siempre saca un paper que contradice para que la tesis se pruebe antes de que se publique.
Propone nuevos funcionalidades con fórmula, fuente de datos, half-life de decaimiento, pseudocódigo y un diseño de test estadístico que un ingeniero pueda implementar el mismo día.
Cada herramienta de abajo es una herramienta compartida real del bundle Melaya. Allowlist por agente, HITL en las escrituras y revocación en un clic.
Búsqueda general, fetch y lectura de archivos locales para las cuatro personas. Solo lectura por defecto, así que ninguna persona puede escribir fuera de su bundle con alcance.
MarketAnalyst y DataScientist jalan datos de 10 K, 10 Q, 8 K y Form 4 directo desde EDGAR. Superficie de solo lectura, así que no se necesita gate de escritura.
MacroEconomist consulta FRED por tasas, impresiones de inflación y calendarios de release con el id de serie citado en cada chart. Solo lectura, no se necesita HITL.
LiteratureSpecialist escanea papers recientes de q fin con scoring de replicación. Va de la mano con openalex_tools y semantic_scholar_tools para cobertura cruzada de mercados.
Rastrea grafos de citas y trabajo follow-on para que LiteratureSpecialist pueda stress-testear una tesis contra refutaciones posteriores. Solo lectura.
Pulls ligeros de precio, opciones y charts para MarketAnalyst cuando no hay un feed pagado autorizado. Solo lectura.
Construye el vector store por flujo de trabajo desde notas previas, memos de tesis ganadoras y coverage de la casa. Potencia rag_retrieve y memoria entre runs. La indexación tiene gate HITL cuando se agregan nuevos corpus.
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.
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.
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.
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.
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