P01
Extracao dentro do app
Agentes abrem o app, navegam ate os dados e os extraem do mesmo jeito que uma pessoa faria: tela por tela, em um dispositivo real.
01
// O que quebra hoje
O status quo custa mais que o agente.
Três dores que toda equipe de vendas e BD enfrenta toda semana. Cada uma é o que seus reps realmente reclamam, não o que uma página de funcionalidade chamaria.
- 01
Os dados que voce precisa vivem dentro de apps mobile que nao têm API, e scraping web nao os alcanca.
02
// Pipelines que você pode construir
Componha. Aprove. Replay.
Cada pipeline abaixo é uma forma que você monta no canvas usando o crew e as ferramentas mais abaixo. Não é uma funcionalidade que entregamos pronta, é um padrão que você configura.
P02
Execucoes agendadas e com escopo definido
Limitados aos apps que voce autorizar, no horario que voce definir, com cada execucao registrada e revisavel.
P03
De telas a datasets
As telas extraidas se tornam registros validados e estruturados que seu pipeline pode consumir.
03
// O crew
Equipe de extracao de dados
Personas reais do crew research_team. Cada uma vem com um system prompt afinado e uma allowlist de ferramentas padrão. Troque modelos por persona no canvas.
Cientista de Dados
DataScientistTransforma extracoes tela por tela em datasets limpos e validados.
Analista de Mercado
MarketAnalystDefine quais fontes dentro do app importam e o que extrair delas.
Especialista em Conteudo
LiteratureSpecialistDocumenta cada fonte e mantem as extracoes reproduziveis.
04
// ferramentas com escopo
Só as ações que você concede.
Cada ferramenta abaixo é uma ferramenta compartilhada real do bundle Melaya. Allowlist por agente, HITL nas escritas, revogação em um clique.
shared/tools/phone/
Navega o app e le os dados da tela em um dispositivo real.
phone_open_appphone_get_screen_treephone_scrollphone_screenshot
shared/tools/data_utils/
Valida e perfila o que foi extraido das telas.
csv_lintdf_describejson_validate
shared/tools/database/
Armazena os resultados onde seu pipeline espera recebe-los.
sql_querysql_export_csv
shared/tools/knowledge/
Constroi um registro pesquisavel de cada execucao de extracao.
build_knowledge_from_textbuild_knowledge_from_file
05
// Três camadas de conhecimento
O crew lê o que você dá a ele.
Cada pipeline vem com três camadas de acesso ao conhecimento. Combine por agente no canvas. Sem espaço vetorial compartilhado com outro cliente, sem leitura surpresa, sem recuperação opaca.
L1
Contexto estático
includeContextDocumentos por pipeline anexados à entrada de agentes específicos a cada run. O brief de ICP, playbook, tabela de preços ou corpus de emails de deals ganhos. O que precisa estar lá antes do agente pensar. Você escolhe quais personas recebem quais docs.
L2
Ferramenta de recuperação RAG
rag_retrieveUma ferramenta com escopo concedida por agente. Quando o agente decide que precisa de mais profundidade, ele consulta o base vetorial do workflow sob demanda. Mesma base de conhecimento do Contexto estático, acessada só quando o modelo pede.
L3
Memória entre runs
pipeline_memoryEstado em nível de pipeline que carrega de um run para o próximo. A pesquisa de ontem está no escopo do follow-up de hoje. O crew lembra do que já prospectou, do que foi aprovado, do que foi enviado. O audit log é a base de conhecimento de segunda ordem.
07
// FAQ
Perguntas que recebemos toda semana.
Construa pipelines de times de dados na Melaya.
O plano Sandbox é grátis e sem cartão. Entre na lista de espera e enviaremos um email no momento em que abrir uma vaga.
← Voltar para todos os casos de uso