Recherche financière · Agents IA
Construire un agent qui cherche, doute et vérifie avant de répondre.
Aleph transforme une question financière complexe en plan de recherche, exécute les étapes sur des données de marché et contrôle son propre travail.
StatutDéveloppement actif
Mon rôleArchitecture et développement principal
ContexteBase open source étendue
Le terrain
Trois contraintes réelles
- 01Une bonne réponse dépend de données fraîches et de sources traçables.
- 02Un agent autonome peut boucler, dériver ou conclure trop tôt.
- 03L'historique doit permettre de comprendre chaque outil appelé et chaque correction.
Le déclic
La décision qui a changé le projet
Traiter la vérification comme une boucle de travail, pas comme une étape finale. Planification, exécution, réflexion et évaluation deviennent des composants séparés, observables et limités.
Le système
Assez pour comprendre. Pas assez pour copier.
01Question complexe
02Plan de recherche
03Outils et données
04Évaluation et correction
Ce qui a été construit
Des actifs réels, pas un concept.
- Un moteur de détection d'opportunités de 163 fichiers et 38 400 lignes.
- Une couche de collecte de données de marché, un service d'apprentissage et une pipeline de recherche on-chain.
- Des evals, limites de boucles et scratchpads JSONL pour inspecter le raisonnement opérationnel.
Preuves observables
Leçon transférable
Ce que cette expérience apporte à votre projet
Je ne demande pas seulement à un agent d'être plus intelligent. Je rends sa mission testable, son contexte visible et ses erreurs récupérables. C'est ce qui transforme un chatbot impressionnant en système de travail.
Vous voulez rendre vos agents réellement fiables ?
Parler de mon projet · 20 min offertes