// CASO DE USO · PESQUISA

Automatize pesquisa de mercado e macro com agentes IAque citam cada fonte.

A maioria das mesas de pesquisa perde metade da semana puxando gráficos, lendo filings e caçando papers antes de uma única tese ser escrita. A Melaya te dá um crew de quatro personas que roda a leitura de estrutura de mercado, o frame macro, o scan de literatura e a proposta de funcionalidade em calendário. Cada afirmação cita uma série FRED, um parágrafo de 10-K ou um arXiv id, e um analista assina antes do brief chegar no PM.

01
// O que quebra hoje

Fluxos manuais custam mais do 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.

  1. 01

    Analistas queimam 12 horas por semana puxando gráficos FRED, raspando 10-Ks e copiando transcripts de earnings antes de escrever um único parágrafo de tese.

  2. 02

    Um número sem citação em uma nota publicada dispara uma revisão de compliance e um rewrite na segunda de manhã, enquanto o PM já mudou para o próximo nome.

  3. 03

    O deep dive do trimestre passado vive no Notion de alguém, então o mesmo nome é pesquisado do zero três vezes por ano e ninguém lembra do paper que contradizia.

02
// Pipelines que você pode construir

Fluxos de Agent: componha, aprove, replique.

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.

P01

Rodar um deep dive de um único nome

O MarketAnalyst puxa filings EDGAR e Form 4 de insiders, o DataScientist propõe uma funcionalidade em cima da leitura, o LiteratureSpecialist pontua os papers de suporte. O gate HITL segura o brief até o analista assinar a chamada de regime.

P02

Publicar o briefing macro semanal

O MacroEconomist consulta FRED para rates, DXY e prints de inflação, depois escreve a chamada de regime com os próximos 30 dias de releases. O Contexto estático guarda a house view para que a orientação de sizing fique consistente entre semanas.

P03

Subir uma nota de reação a earnings

No hit do 8-K, o MarketAnalyst puxa o filing e o transcript, o DataScientist faz diff da guidance contra o trimestre anterior, a ferramenta rag_retrieve busca a nota anterior para match de tom. O analista aprova antes da distribuição.

P04

Rodar um survey de literatura trimestral

O LiteratureSpecialist varre arXiv q-fin e OpenAlex pelos últimos 90 dias, pontua qualidade de replicação e lista um paper contraditório por tese. A memória entre runs carrega a leitura entre trimestres para que duplicados caiam.

P05

Stress test em uma tese de trabalho

O DataScientist propõe uma funcionalidade falsificável com teste estatístico, o LiteratureSpecialist expõe papers que argumentam contra, o MarketAnalyst confere os dados on-chain ou de funding rate. O gate HITL força assinatura dos critérios de kill antes do sizing.

P06

Extrair dados estruturados de filings

O MarketAnalyst roda o full text search do EDGAR em uma lista de coverage, o DataScientist normaliza os hits em uma tabela de funcionalidades com ids de parágrafos citados. Replay de cada célula de volta ao parágrafo do 10-K para a próxima revisão de compliance.

03
// A crew multi-agente

Crew de pesquisa e analistas

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.

Market Analyst

MarketAnalyst

Monta o brief de estrutura de mercado com funding rates, open interest, fluxos on-chain e uma chamada declarada de regime bullish, bearish ou neutro com riscos nomeados.

Macro Economist

MacroEconomist

Estabelece o frame macro com função de reação do Fed, tendência do DXY, ciclo de liquidez global e um calendário de 30 dias de eventos que movem o sizing.

Literature Specialist

LiteratureSpecialist

Lê papers recentes de finanças quantitativas, pontua qualidade de replicação e sempre expõe um paper contraditório para que a tese seja testada antes de embarcar.

Data Scientist

DataScientist

Propõe novas funcionalidades com fórmula, fonte de dados, half life de decaimento, pseudo-código e design de teste estatístico que um engenheiro pode implementar no mesmo dia.

04
// ferramentas com escopo

Allowlists de ferramentas: só as ações que você autoriza.

Cada ferramenta abaixo é uma ferramenta compartilhada real do bundle Melaya. Allowlist por agente, HITL nas escritas, revogação em um clique.

shared/tools/core/

Search de propósito geral, fetch e leituras de arquivos locais para as quatro personas. Read only por padrão, então nenhuma persona consegue escrever fora do seu bundle com escopo.

web_searchweb_fetchhttp_requestgrep_searchfile_read
shared/tools/sec_edgar_tools/

O MarketAnalyst e o DataScientist puxam 10-K, 10-Q, 8-K e dados de Form 4 direto do EDGAR. Superfície somente leitura, então não precisa de gate de write.

edgar_ticker_to_cikedgar_recent_filingsedgar_company_factsedgar_full_text_searchedgar_insider_form4
shared/tools/fred_tools/

O MacroEconomist consulta FRED por rates, prints de inflação e calendários de release com o series id citado em cada gráfico. Read only, sem HITL.

fred_series_observationsfred_series_searchfred_series_infofred_release_dates
shared/tools/arxiv_tools/

O LiteratureSpecialist escaneia papers recentes de q-fin com scoring de replicação. Pareia com openalex_tools e semantic_scholar_tools para cobertura cross mercado.

arxiv_searcharxiv_get_paperarxiv_recentarxiv_by_author
shared/tools/openalex_tools/

Rastreia grafos de citação e trabalhos follow on para que o LiteratureSpecialist possa fazer stress test em uma tese contra refutações posteriores. Read only.

openalex_search_worksopenalex_get_workopenalex_work_citationsopenalex_author_works
shared/tools/yahoo_finance_tools/

Puxadas leves de preço, opções e gráficos para o MarketAnalyst quando um feed pago não estiver autorizado. Read only.

yf_quoteyf_chartyf_summaryyf_options
shared/tools/knowledge/

Monta o base vetorial por workflow a partir de notas anteriores, memos de tese vencedora e coverage da casa. Alimenta o rag_retrieve e a memória entre runs. A indexação tem gate HITL quando novos corpora são adicionados.

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

includeContext

Documentos 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_retrieve

Uma 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_memory

Estado 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 sobre agentes IA que recebemos toda semana.

O crew de pesquisa vai publicar reports por conta própria?

Não. Cada report para em um gate HITL para que o analista assine a chamada de regime, os papers citados e as propostas de funcionalidade antes de qualquer coisa ir para PMs ou risco. Tire o gate por template depois que o workflow tiver conquistado a confiança.

Os agentes conseguem raciocinar sobre nossa biblioteca de pesquisa interna?

Três caminhos. O contexto estático anexa sua house view, lista de coverage e limites de risco a personas específicas a cada run. A ferramenta rag_retrieve deixa o MarketAnalyst e o LiteratureSpecialist puxarem de filings, transcripts e notas anteriores sob demanda. A memória entre runs carrega a tese da semana passada para o update desta semana, então follow-ups não começam do zero.

Isso é uma alternativa ao AlphaSense ou ao Sentieo?

Fica ao lado deles. AlphaSense e Sentieo são superfícies de busca e excerpt sobre filings e transcripts. A Melaya é a camada de raciocínio que roda MarketAnalyst, MacroEconomist e LiteratureSpecialist em calendário e escreve o brief, com suas fontes citadas inline.

Como a Melaya se compara a Hebbia ou BamSEC para trabalho de filings?

Hebbia e BamSEC focam em Q and A sobre filings da SEC. A Melaya conecta o SEC EDGAR como ferramenta com escopo que qualquer persona pode chamar, depois compõe um workflow multi step em torno disso com o modelo de conhecimento de 3 camadas para que a mesma resposta seja reproduzível no próximo trimestre.

Como evitamos que os briefs soem como IA?

Os drafts citam parágrafos específicos de filings, IDs de séries FRED e identificadores arXiv. O LiteratureSpecialist é obrigado a expor um paper contraditório por tese, então o tom lê como nota de analista de trabalho em vez de resumo confiante.

Em quais modelos podemos rodar o crew de pesquisa?

Qualquer um. Claude no LiteratureSpecialist onde long context e qualidade de raciocínio importam, GPT no DataScientist para drafting de código, um Ollama local no MarketAnalyst quando o dataset on-chain não pode sair da sua rede. Cada persona escolhe o seu.

Em quanto tempo um time de pesquisa coloca o primeiro pipeline para rodar?

Com ferramentas FRED, SEC EDGAR e arXiv habilitadas, o workflow de briefing macro é um canvas de 4 nós: puxar série, sumarizar, citar, aprovar. A maioria dos times entrega numa sessão de trabalho e tem o primeiro brief revisado na inbox no mesmo dia.

Posso auditar exatamente o que o agente fez e por quê?

Cada run loga cada chamada de ferramenta, cada chunk recuperado, cada invocação de modelo e cada aprovação. Replay de qualquer run para ver qual série FRED, qual parágrafo de 10-K e qual paper arXiv puxaram a conclusão. O audit log é o log de metodologia.

Posso construir esse workflow de pesquisa em n8n ou Zapier?

n8n, Zapier e Make executam etapas predefinidas de gatilho e ação, e ganham em variedade de conectores para automações lineares simples. Eles não conseguem planejar um deep dive: o Market Analyst, o Macro Economist, o Literature Specialist e o Data Scientist da Melaya raciocinam entre etapas, delimitados por bundles somente leitura como sec_edgar_tools e fred_tools, com aprovação human-in-the-loop em cada escrita.

Por que não escrever um script Python para puxar dados do FRED e do EDGAR?

Escreva o script se um pull de gráfico agendado é tudo que você precisa. Um script não consegue fazer a chamada de regime do Market Analyst nem trazer à tona o paper contraditório que o Literature Specialist sempre encontra. A Melaya adiciona roteamento de modelo por etapa entre 23 provedores, traces completos de execução e avaliação deterministic-first, então cada briefing é reproduzível e auditável.

Podemos reutilizar um pipeline de deep dive para cada nome que cobrimos?

Sim. Salve qualquer execução da Melaya como template e rode a mesma crew de quatro personas em um novo ticker com os inputs trocados. O bundle de conhecimento constrói um vector store por workflow a partir de notas anteriores e memos de tese vencedoras, então a crew recupera o trabalho do trimestre passado em vez de pesquisar o nome do zero.

Etapas sensíveis de pesquisa podem ficar na nossa própria infraestrutura?

Sim. A Melaya roda na nuvem ou no seu runner local, e o roteamento de modelo por etapa deixa você fixar etapas que tocam cobertura proprietária em um modelo local. A indexação de novos corpora no vector store do bundle de conhecimento é bloqueada por HITL, enquanto pulls públicos via arxiv_tools e yahoo_finance_tools podem ficar na nuvem.

Como a Melaya verifica as citações em um briefing de pesquisa?

A Melaya executa avaliação deterministic-first: verificações baseadas em regras disparam antes de qualquer revisão por modelo. As verificações confirmam que cada afirmação traz um id de série do FRED via fred_tools, uma referência do EDGAR via sec_edgar_tools, ou um id do arXiv via arxiv_tools, e um briefing que falha nunca chega ao gate de sign-off do analista. Os traces completos de execução mostram qual fonte embasa cada etapa.

Construa pipelines de times de pesquisa e analistas 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
Entrar na comunidade
// Cookies
A Melaya usa um conjunto pequeno de cookies first-party estritamente necessários para te autenticar, manter sua sessão e proteger a plataforma de abusos. Sem cookies de publicidade, trackers cross-site ou analytics de terceiros por padrão. A lista completa de cookies está na nossa Política de Privacidade.