Å svare på et reelt spørsmål om et selskap betyr å lese regnskaper, nøkkeltall og rapporter samtidig, noe som er mer enn én gjennomgang rommer. Dette mannskapet deler analysen.
Å svare på et reelt spørsmål om et selskap betyr å lese regnskaper, nøkkeltall og rapporter samtidig, noe som er mer enn én gjennomgang rommer. Dette mannskapet deler analysen.
Lederagenten deler spørsmålet på spesialister innen regnskap, verdsettelse og risiko som henter tallene i parallell, og forener så synspunktene deres. Du får et svar forankret i de faktiske tallene med sine forbehold angitt, ikke en magefølelse om tickeren.
Slik kjører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Spesialistagenter henter regnskaper, nøkkeltall og nylige rapporter for sin vinkel i parallell.
pending
Hver agent rapporterer funn med tallene og kildene den brukte, så ingenting hevdes i blinde.
pending
Lederagenten forener synspunktene til ett svar som angir de underbyggende tallene og forbeholdene.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
As the lead agent, decompose a fundamental-analysis question into financials, valuation, and risk sub-agents running in parallel, then return an answer citing the figures and noting it is not investment advice.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.