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.
Lire cent dépôts SEC par trimestre en cherchant la seule transaction insider qui compte.
Suivre les publications macro FRED sur une douzaine de séries sans un seul dashboard.
Scanner arXiv et OpenAlex pour le paper derrière la percée revendiquée d'un pitch deck.
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 résout un ticker en son CIK via sec_edgar_tools/edgar_ticker_to_cik, récupère la liste de dépôts récents avec edgar_recent_filings, et vérifie l'activité insider Form 4 avec edgar_insider_form4, le tout via la vraie API SEC EDGAR, pas un résumé scrapé.
MacroEconomist récupère la vraie série d'observations avec fred_tools/fred_series_observations et vérifie les dates de publication à venir avec fred_release_dates, pour qu'une thèse soit calée sur de vraies données, pas une intuition.
LiteratureSpecialist cherche sur arXiv (arxiv_search, arxiv_by_author) et OpenAlex (openalex_search_works, openalex_work_citations) pour vérifier si la percée citée par un pitch deck est réelle, récente, et vraiment citée par quelqu'un d'autre.
DataScientist construit une shortlist d'investisseurs ciblée avec openvc/openvc_search_investors, filtrée par secteur, stage, géographie et taille de chèque directement depuis la base de données publique d'OpenVC (sans clé API), puis récupère le profil public complet d'un seul fonds avec openvc_get_fund avant qu'une introduction ne parte.
MarketAnalyst résout et lit le profil LinkedIn et le fil d'un fondateur avec social_linkedin/linkedin_resolve_profile et linkedin_browse_feed, et la piste de diligence est indexée avec knowledge/build_knowledge_from_text pour que la prochaine personne de l'équipe de deal puisse la rechercher au lieu de la relire.
useCases.list.vc-investor.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 la lecture de catégorie pour un deal avec les rounds de financement, les multiples de revenu comparables, les signaux d'usage onchain ou produit, et un plafond de TAM nommé avec les risques énoncés.
Propose une définition de KPI falsifiable par deal, normalise le calcul de cohorte et de rétention à travers les decks, et écrit le pseudo code qu'un dashboard de portefeuille peut faire tourner sur planning.
Lit la recherche académique et industrielle qui soutient ou contredit une thèse, note la qualité de réplication, et remonte toujours un paper qui argumente contre le deal.
Pose le cadre de cycle de capital avec la fonction de réaction de la Fed, la tendance DXY, et un calendrier à 30 jours d'événements macro qui bougent le pricing venture et le timing de secteur.
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 structuré et lectures de fichier local pour les quatre personas. pause_for_human est le nœud HITL explicite qui retient chaque mémo, envoi et brouillon LP jusqu'à ton approbation.
MarketAnalyst récupère les dépôts comparables publics, les prospectus S-1 et les données Form 4 insider pour les benchmarks de catégorie. Lecture seule, donc aucune porte d'écriture n'est nécessaire.
MacroEconomist interroge FRED pour les taux, les indices de financement venture et les calendriers de publication avec l'id de série cité dans chaque paragraphe macro du mémo. Lecture seule.
LiteratureSpecialist scanne les papers récents dans la catégorie technique du deal, note la qualité de réplication, et liste un paper contradictoire par thèse. Lecture seule.
Suit les graphes de citation autour de la recherche antérieure d'un fondateur ou d'une affirmation de catégorie pour que LiteratureSpecialist puisse nommer le travail original derrière la note de bas de page d'un pitch.
Récupère la couverture de lancement produit, les snapshots de pages de recrutement et l'actualité de catégorie pour la market map. Scopé par agent sur une allowlist que tu définis, n'accorde jamais d'outil d'écriture aux personas de rédaction.
Cherche sur LinkedIn des cibles de backchannel fondateur, des connexions d'anciens employeurs et des références d'opérateurs. Lecture seule dans ce bundle, aucun outil d'écriture n'est accordé, donc rien ne peut envoyer un DM à une référence sans toi.
Construit le store de connaissance par workflow à partir des mémos passés, des notes de pass, des updates fondateur et de ton document de thèse. Alimente le contexte statique, rag_retrieve et la mémoire cross-run.
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