Melaya — Build AI agents for any job. Agentic platform for research, ops, outreach, reporting — and the only one where agents can actually trade.

// USE CASE · INVESTOR

Screen chaque deal avec un partnerqui cite chaque source.

Tu vois 80 à 120 decks entrants par mois et la plupart meurent dans ton inbox parce qu'il n'y a pas le temps de lire au-delà du slide 4. Melaya te donne un crew de quatre personas qui triage les decks contre ta thèse, fait la market map, stress teste le claim, score le backchannel fondateur et rédige le mémo IC avec citations. Chaque mémo nomme le slide source, le comparable, la série FRED, le papier. Tu décides quelles trois boîtes reçoivent un chèque.

Voir les pipelines ↓
01
// Ce qui casse aujourd'hui

Le statu quo coûte plus cher que l'agent.

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.

  1. 01

    Tu vois 100 decks entrants par mois et 70 d'entre eux ne passent jamais le slide 4 parce que la queue de lecture grandit pendant que le travail sur la thèse attend vendredi.

  2. 02

    Un backchannel fondateur prend 6 appels pour être bien fait, donc tu le skip sur les deals borderline et tu passes à côté de celui qui lève plus tard une Series B chaude sans toi.

  3. 03

    Les notes de pass du cycle précédent vivent dans un Notion que tu n'ouvres jamais, donc le même fondateur te ping à nouveau, et tu re-recherches la boîte from scratch au lieu d'ouvrir le mémo du trimestre dernier.

02
// Pipelines que tu peux construire

Compose. Approuve. Rejoue.

Chaque pipeline ci-dessous est une forme que tu câbles sur le canvas en utilisant le crew d'agents IA et les outils plus bas. Pas une feature qu'on livre pour toi, un pattern que tu configures.

P01

Triage les decks entrants contre la thèse

À l'arrivée d'un deck dans Gmail ou Drive, MarketAnalyst le score contre ta thèse écrite, ton filtre de stage et ta bande de check size, et écrit une note de 6 lignes pass ou pursue. Le static context tient la thèse pour que le scoring reste consistent sur les 100 decks que tu vois ce mois.

P02

Lance une market map de catégorie

MarketAnalyst liste 15 à 30 boîtes comparables par stage de funding, multiple de revenue et wedge produit. Les outils EDGAR et scraping scopés restreignent les lectures aux filings publics et à ton allowlist, donc aucune intel concurrentielle non publiée ne quitte le run.

P03

Score le backchannel fondateur

Search LinkedIn et retrieval de mémos précédents font remonter 8 références opérateurs classées pour un fondateur. L'outil rag_retrieve tire chaque touchpoint passé avec le même opérateur pour que tu arrives à l'appel en connaissant déjà la texture de la relation précédente.

P04

Stress teste la thèse d'investissement

LiteratureSpecialist fait remonter les papiers qui argumentent contre le claim core du deal, MacroEconomist nomme 3 événements macro qui invalideraient le timing, DataScientist propose une métrique kill falsifiable. Le HITL gate te force à signer les critères kill avant que le mémo n'exécute.

P05

Suis les KPI portefeuille sur un calendrier

DataScientist normalise les updates fondateurs mensuels en une table KPI unique avec croissance ARR, burn multiple, nouveaux logos nets et runway. La cross-run memory tracke quelles métriques chaque boîte du portefeuille reporte réellement pour que les updates manquants flag automatiquement.

P06

Rédige le LP report trimestriel

Tire la table KPI portefeuille, les nouvelles positions de ce trimestre et le frame macro dans une lettre LP d'une page avec le benchmark en ligne un. Un HITL gate bloque l'export tant que tu n'as pas approuvé chaque chiffre et chaque source citée, donc rien ne part aux LP sans ton sign off.

03
// Le crew d'agents IA

Crew recherche et analyste

Vrais personas du crew 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.

Market Analyst

MarketAnalyst

Builds the category read for a deal with funding rounds, comparable revenue multiples, on-chain or product usage signals, and a named TAM ceiling with stated risks.

Data Scientist

DataScientist

Proposes a falsifiable KPI definition per deal, normalizes cohort and retention math across decks, and writes the pseudo code a portfolio dashboard can run on a schedule.

Literature Specialist

LiteratureSpecialist

Reads academic and industry research that supports or contradicts a thesis, scores replication quality, and always surfaces one paper that argues against the deal.

Macro Economist

MacroEconomist

Sets the capital cycle frame with Fed reaction function, DXY trend, and a 30 day calendar of macro events that move venture pricing and sector timing.

04
// outils scopés

Uniquement les actions que tu autorises.

Chaque outil ci-dessous est un vrai outil partagé du bundle Melaya. Allowlist par agent, HITL sur les écritures, révocation en un clic.

shared/tools/core/

Recherche générale, fetch structuré et lectures de fichiers locaux pour les quatre personas. pause_for_human est le nœud HITL explicite qui tient chaque mémo, envoi et draft LP tant que tu n'approuves pas.

web_searchweb_fetchhttp_requestfile_readgrep_searchpause_for_human
shared/tools/sec_edgar_tools/

MarketAnalyst tire les filings comparables publics, prospectus S-1 et données Form 4 d'insider pour les benchmarks de catégorie. Read only, donc pas de write gate nécessaire.

edgar_ticker_to_cikedgar_recent_filingsedgar_company_factsedgar_full_text_searchedgar_insider_form4
shared/tools/fred_tools/

MacroEconomist interroge FRED pour taux, indices de funding venture et calendriers de release avec le series id cité dans chaque paragraphe macro du mémo. Read only.

fred_series_observationsfred_series_searchfred_series_infofred_release_dates
shared/tools/arxiv_tools/

LiteratureSpecialist scanne les papiers récents dans la catégorie technique du deal, score la qualité de réplication et liste un papier contradictoire par thèse. Read only.

arxiv_searcharxiv_get_paperarxiv_recentarxiv_by_author
shared/tools/openalex_tools/

Tracke les graphes de citation autour de la recherche précédente d'un fondateur ou d'un claim de catégorie pour que LiteratureSpecialist puisse nommer le travail original derrière la footnote d'un pitch.

openalex_search_worksopenalex_get_workopenalex_work_citationsopenalex_author_works
shared/tools/scraping/

Tire la couverture de lancement produit, les snapshots de hiring pages et les actualités catégorie pour la market map. Scopé par agent à un allowlist que tu fixes, ne donne jamais aux personas de drafting un outil de write.

scrape_pagescrape_linksscrape_structuredfetch_rss
shared/tools/social_linkedin/

Cherche sur LinkedIn les cibles de backchannel fondateur, les connexions d'employeurs précédents et les références opérateurs. Read only dans ce bundle, aucun outil de write n'est accordé, donc rien ne peut DM une référence sans toi.

linkedin_searchlinkedin_resolve_profilelinkedin_browse_feed
shared/tools/knowledge/

Construit le knowledge store par workflow depuis mémos passés, notes de pass, updates fondateurs et ton document de thèse. Alimente le static context, rag_retrieve et la cross-run memory.

build_knowledgebuild_knowledge_from_textbuild_knowledge_from_file
05
// Trois couches de connaissance

La crew d’agents IA lit ce que tu lui donnes.

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.

L1

Static context

includeContext

Documents 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.

L2

Tool de retrieval RAG

rag_retrieve

Un 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.

L3

Mémoire cross-run

pipeline_memory

État 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. Le crew d'agents IA se souvient de ce qu'il 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.

07
// FAQ

Les questions qu'on reçoit chaque semaine.

L'agent va-t-il envoyer des notes ou des engagements aux fondateurs tout seul ?

Non. Chaque write sortant, chaque export de mémo IC et chaque LP report s'arrête à un HITL gate. Le crew prépare le screen du deal, le plan de référence et le draft de mémo. Tu approuves avant que rien n'atteigne le fondateur, tes partners ou tes LP.

Les agents peuvent-ils raisonner sur mon deal flow, CRM et mémos passés ?

Trois façons. Le static context attache ta thèse, ta bande de check size et ton filtre de stage à chaque persona sur chaque run. L'outil rag_retrieve laisse MarketAnalyst et LiteratureSpecialist pull depuis mémos passés, updates fondateurs et fichiers de due diligence précédents à la demande. La cross-run memory veut dire que la pass du trimestre dernier sur une boîte est dans le scope quand le fondateur te ping à nouveau.

Est-ce une alternative à Affinity ou Harmonic ?

Ça se place à côté. Affinity tient ton graphe de relations, Harmonic fait remonter les boîtes avant qu'elles ne lèvent. Melaya est la couche de raisonnement qui screen le deck, fait la market map, score le backchannel fondateur et écrit le mémo cité, pendant qu'Affinity reste le système d'enregistrement.

Comment ça se compare à PitchBook, Tracxn ou Crunchbase ?

PitchBook, Tracxn et Crunchbase sont des feeds de données et des surfaces de search. Melaya les traite comme des outils scopés que n'importe quelle persona peut appeler, puis compose un workflow par-dessus qui fait tourner MarketAnalyst, DataScientist et LiteratureSpecialist sur un calendrier et écrit le brief avec sources citées inline.

Est-ce overkill si je suis un business angel solo ou un syndicate lead d'une personne ?

Non. Le crew tourne comme 4 personas sur un canvas, pas comme 4 sièges sur un SaaS. Un angel solo utilise typiquement le workflow de triage de deck et le workflow de backchannel fondateur, skip les pipelines KPI portefeuille et lettre LP, et paie pour un tenant. Le même canvas grandit quand tu lèves un fonds.

Comment éviter que le mémo ne sonne IA ?

Les drafts citent des paragraphes spécifiques du deck, des series ids FRED pour les claims macro, des identifiants arXiv ou SSRN pour la recherche de catégorie, et des opérateurs nommés depuis la liste de références. LiteratureSpecialist doit faire remonter un papier contradictoire par thèse, donc le ton se lit comme une note de partner au travail au lieu d'un résumé confiant.

Sur quels modèles puis-je faire tourner le crew ?

N'importe lequel. Claude sur LiteratureSpecialist et le synthétiseur de mémo où long context et qualité de raisonnement justifient le coût, GPT sur DataScientist pour le drafting de code KPI, un Ollama local sur MarketAnalyst quand le contenu de data room ne peut pas quitter ta machine. Chaque persona choisit son propre modèle.

À quelle vitesse puis-je avoir la première pipeline qui tourne sur les decks entrants ?

Avec une inbox Gmail et un dossier Google Drive connectés, le workflow de triage de deck est un canvas à 4 nœuds : ingest deck, score contre la thèse, draft pass ou pursue note, stage pour ta revue. La plupart des investisseurs le livrent dans une session de travail et vident le premier backlog de 20 decks le jour même.

Puis-je auditer exactement ce que l'agent a décidé et pourquoi ?

Chaque run log chaque appel d'outil, chaque chunk retrieved, chaque invocation de modèle et chaque approbation. Replay n'importe quel run pour voir quel slide de deck, quelle série FRED, quel papier et quel appel de référence ont mené au verdict. L'audit log est la trace du mémo IC.

Puis-je restreindre quels agents peuvent lire la data room ?

Oui. Les allowlists agent_tools sont scopées par persona, donc MarketAnalyst peut lire les filings publics pendant que seule la persona deal lead détient le reader scopé pour la data room fondateur. Le canvas montre le gate avant qu'un run ne démarre.

Construis des pipelines vcs, business angels et analystes investissement sur Melaya.

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
discord.joinCta