P01O crew de operações vai agir por conta própria?
Não, não por padrão. Posts no Slack, updates no Jira, escritas no Linear e email outbound têm gate HITL para este crew. O agente prepara a ação e espera aprovação em um clique. Você pode tirar o gate por template depois que confiar no run.
P02O crew consegue raciocinar sobre nossos runbooks e dashboards?
Três caminhos. O contexto estático anexa seu runbook, matriz de SLA e rota de on-call a personas específicas a cada run. A ferramenta rag_retrieve deixa o ReportingAnalyst e o ComplianceOperations puxarem de dicionários de dados e docs de política sob demanda. A memória entre runs carrega os incidentes abertos de ontem para o stand-up de hoje para que nada resete à meia-noite.
P03Isso é uma alternativa ao Zapier ou ao Make.com?
É mais próximo de uma alternativa ao Zapier para os passos de raciocínio, e uma alternativa ao n8n para o encanamento de schedule e webhook. Onde Zapier e Make.com encadeiam ações fixas, a Melaya roda agentes de raciocínio entre os passos para que um incidente possa ser triado, não só roteado.
P04Como evitamos que os reports soem como filler de IA?
Cada report cita a query SQL, o row count, o timestamp de freshness e a flag de data quality. O ReportingAnalyst é obrigado a anexar a query fonte e o staleness check antes de qualquer output ir. O COO lê números e proveniência, não adjetivos.
P05Em quais modelos podemos rodar o crew?
Qualquer um. Claude no OperationsSynth onde raciocínio multi-fonte paga o custo, GPT no drafting do ExecutiveAssistant, um Ollama local no TradingOperations quando dados de balance não podem sair da sua rede. Cada persona escolhe o seu modelo.
P06Em quanto tempo ops coloca o primeiro pipeline para rodar?
Com Slack, Jira e um DSN de banco conectados, o pipeline matinal de health-check é um canvas de 4 nós: trigger em cron, checar matriz de API, montar tabela de status, postar no Slack. A maioria dos times entrega numa sessão de trabalho e tem o primeiro brief no canal na manhã seguinte.
P07Como isso lida com paging de on-call e severidade de incidente?
O IncidentManager classifica cada anomalia como SEV1, SEV2 ou SEV3 usando as regras no seu contexto estático. SEV1 roteia para Telegram e Slack com o owner de on-call marcado. SEV3 fica no digest diário. O audit log captura os timestamps de classificação, escalação e resolução.
P08Posso auditar exatamente o que o agente fez e por quê?
Cada run loga cada chamada de ferramenta, cada invocação de modelo, cada decisão de aprovação e cada retry. Replay de qualquer run a qualquer hora. O audit trail cobre a fonte de dados, a query, o freshness check e o aprovador humano, então o compliance de ops pode reconstruir qualquer brief matinal.
P09Podemos restringir quais agentes podem escrever no Jira ou Linear?
Sim. Ferramentas são escopadas por agente no canvas. Você pode dar ao DataOperations http_request e sql_query somente leitura, enquanto só o IncidentManager carrega jira_create_issue e linear_create_issue. Escopos são reforçados antes do modelo sequer ver a ferramenta.
P10Como conecta no nosso stack existente?
Conectores nativos para Slack, Telegram, Discord, Gmail, Google Calendar, Jira, Linear, Postgres, SQLite, Excel, Word e PowerPoint. O bundle melaya_exec lê posições e balances ao vivo das mesmas chaves de exchange que sua mesa de trading já usa.