Trois douleurs que chaque équipe sales et BD encaisse chaque semaine. Chacune est ce dont tes reps se plaignent vraiment, pas ce qu'une page produit appellerait poliment.
Fouille à la main dans les dépôts SEC, les publications FRED et les papers arXiv avant chaque revue de stratégie.
Recoupe la structure de marché, le régime macro et la littérature académique dans trois onglets de navigateur différents.
Perd le fil de quels papers se répliquent et lesquels sont p-hackés.
Chaque pipeline ci-dessous est une forme que tu câbles sur le canvas en utilisant l'équipe d'agents IA et les outils plus bas. Pas une feature qu'on livre pour toi, un pattern que tu configures.
MarketAnalyst ouvre avec le contexte de funding rate, d'open interest et de flux onchain, MacroEconomist ajoute la fonction de réaction de la Fed et le signal DXY, et les deux se passent le relais en séquence. Un trigger cron dans Melaya Agents livre le brief avant la revue de desk du lundi sans lancement manuel.
MarketAnalyst résout un ticker en son CIK et récupère les dépôts 10-K, 10-Q et 8-K récents plus les trades insider Form 4 ; DataScientist vérifie les chiffres par rapport aux company facts XBRL pour tout ce qui vaut la peine de devenir une feature.
LiteratureSpecialist récupère les papers q-fin récents sur arXiv et note la qualité de réplication de chacun (les papers actions US pré-2015 se répliquent à environ 30%, selon le backstory propre à cette persona), avant que DataScientist ne transforme un résultat validé en proposition de feature avec une formule, une source de données et une demi-vie de décroissance attendue.
MacroEconomist tire le régime actuel des séries FRED (PIB, CPI, le rendement à 10 ans) et recoupe les cotations actions du jour même et le positionnement options, avant que MarketAnalyst n'intègre la lecture dans le tableau onchain.
Un PM atteint la dernière sortie du même crew depuis une session Melaya Assistant, pose une question de suivi, ou déclenche DataScientist pour relancer la passe de feature sur des données fraîches, sans ouvrir le pipeline sous-jacent. Quand un fournisseur de données ou une page de journal n'a pas d'API, Melaya Browser Control prend le contrôle de l'onglet du navigateur et le lit comme le ferait une personne, avec chaque étape d'extraction qui attend une approbation avant d'être logguée.
useCases.list.research.workflows.5.body
Vrais personas de l'équipe d'agents IA research_team. Chacun arrive avec un system prompt tuné et une allowlist de outils par défaut. Change de modèle par persona sur le canvas.
Construit le brief de structure de marché avec les funding rates, l'open interest, les flux onchain, et un appel de régime haussier, baissier ou neutre déclaré avec les risques nommés.
Pose le cadre macro avec la fonction de réaction de la Fed, la tendance DXY, le cycle de liquidité globale, et un calendrier à 30 jours des événements qui bougent le sizing de position.
Lit les papers récents de finance quantitative, note la qualité de réplication, et remonte toujours un paper contradictoire pour que la thèse soit testée avant de partir.
Propose de nouvelles features avec une formule, une source de données, une demi-vie de décroissance, du pseudo code, et un design de test statistique qu'un ingénieur peut implémenter le jour même.
Chaque outil ci-dessous est un vrai outil partagé du bundle Melaya. Allowlist par agent, HITL sur les écritures, révocation en un clic.
Recherche générale, fetch et lectures de fichier local pour les quatre personas. Lecture seule par défaut, donc aucune persona ne peut écrire en dehors de son bundle scopé.
MarketAnalyst et DataScientist récupèrent les données 10-K, 10-Q, 8-K et Form 4 directement depuis EDGAR. Surface en lecture seule, donc aucune porte d'écriture n'est nécessaire.
MacroEconomist interroge FRED pour les taux, les chiffres d'inflation et les calendriers de publication avec l'id de série cité dans chaque graphique. Lecture seule, aucun HITL nécessaire.
LiteratureSpecialist scanne les papers q-fin récents avec notation de réplication. S'associe à openalex_tools et semantic_scholar_tools pour une couverture cross-venue.
Suit les graphes de citation et les travaux de suivi pour que LiteratureSpecialist puisse stress tester une thèse face à des réfutations ultérieures. Lecture seule.
Récupérations légères de prix, d'options et de graphiques pour MarketAnalyst quand un flux payant n'est pas autorisé. Lecture seule.
Construit le vector store par workflow à partir des notes précédentes, des mémos de thèses gagnantes et de la couverture maison. Alimente rag_retrieve et la mémoire cross-run. L'indexation est HITL quand de nouveaux corpus sont ajoutés.
Chaque pipeline arrive avec trois couches d'accès à la connaissance. Combine-les par agent sur le canvas. Pas d'espace vectoriel partagé avec un autre client, pas de lecture surprise, pas de retrieval opaque.
includeContextDocuments par pipeline ajoutés à l'input d'agents spécifiques à chaque run. Le brief ICP, le playbook, la grille de pricing, ou le corpus d'emails de deals gagnés. Tout ce qui doit être là avant que l'agent pense. Tu choisis quels personas reçoivent quels docs.
rag_retrieveUn outilscoped accordé par agent. Quand l'agent décide qu'il a besoin de plus de profondeur, il interroge le vector store du workflow à la demande. Même base de knowledge que Static context, accédée uniquement quand le modèle le demande.
pipeline_memoryÉtat au niveau du pipeline qui passe d'un run au suivant. La recherche d'hier est dans le scope du follow-up d'aujourd'hui. L'équipe d'agents IA se souvient de ce qu'elle a déjà prospecté, de ce qui a été approuvé, de ce qui a été envoyé. L'audit log est la base de knowledge de second ordre.
Le tier Sandbox est gratuit, sans carte. Rejoins la waitlist et on t'envoie un email dès qu'un slot s'ouvre.
← Retour à tous les cas d'usage