Investigar inversiones con un agente que recuerda tu trabajo

A quién le sirve. Analistas e inversores con conocimientos de finanzas que quieren un agente que recuerde su trabajo y actualice modelos entre sesiones.

Qué hicieron

Se crea un espacio de trabajo por cada objetivo de investigación, como un reequilibrio del segundo trimestre. El agente te pregunta por tus objetivos y estilo y escribe código en un entorno aislado de Daytona para sacar datos financieros y construir entregables como modelos DCF o de comparables. Guarda archivos y un archivo de notas agent.md en el espacio. Subagentes en paralelo hacen subtareas y puedes dirigirlo a mitad de ejecución.

Cómo salió

El README no da resultados medidos. Muestra una ejecución de comparables que produjo un modelo de Excel y un informe en PDF con rangos de precio implícitos para NVDA, AMD y GOOGL. Las sesiones posteriores retoman los archivos y las notas guardados.

Conviene saber

Puedes alojarlo tú con solo Docker y tu propia clave de modelo, pero sin claves de datos tendrás datos reducidos de Yahoo Finance. Las automatizaciones por precio y las integraciones con canales solo están en la versión alojada.

Qué necesitas

• LangAlpha, el agente de código abierto, alojado por ti con Docker, que ejecuta programas en cajas aisladas, o en su versión alojada
• Una clave de un modelo de IA
• Claves de datos financieros, si quieres datos más completos que los reducidos de Yahoo Finance
• La empresa o el símbolo bursátil que quieres investigar
• Conocimientos básicos de modelos financieros, como descuento de flujos y comparables

Cómo hacerlo tú, paso a paso

1. Decide qué quieres investigar y crea un espacio de trabajo para ese objetivo. Uno por cada objetivo, no mezclados.
2. Instala LangAlpha con Docker y tu clave de modelo, o usa su versión alojada.
3. Responde a las preguntas del agente sobre tus objetivos y tu estilo de trabajo.
4. Pega el prompt de la ficha con la empresa y las empresas similares. Pide un modelo financiero sencillo, una tabla de comparables y las notas de hipótesis.
5. Revisa el modelo y la tabla, y corrige las hipótesis que no compartas en el archivo de notas.
6. En la sesión siguiente, pide que actualice el modelo con datos nuevos y resuma qué ha cambiado.

Crea un espacio de investigación persistente para [empresa o símbolo bursátil] en [carpeta]. Reúne sus últimos informes y noticias, construye un modelo financiero sencillo y una tabla de comparables con [empresas similares], y escribe en un archivo de memoria las notas sobre las hipótesis. La próxima vez que te lo pida, actualiza el modelo con datos nuevos y resume qué ha cambiado. Habrás terminado cuando me enseñes el primer modelo y las notas.

Consejos

• Crea un espacio de trabajo por cada objetivo de investigación. Así la memoria de una empresa no se mezcla con la de otra.
• Revisa las hipótesis del modelo. El agente las apunta en las notas, pero las decides tú.
• Con datos reducidos de Yahoo Finance no tomes decisiones finas. Añade claves de datos si necesitas precisión.

Preguntas frecuentes

Fuentes

• ginlix-ai/langalpha en GitHub ↗
• La conversación en Hacker News, 14 de abril de 2026 ↗

En el directorio desde el 3 de octubre de 2026.