Att besvara en verklig fråga om ett bolag betyder att läsa rapporter, nyckeltal och filings samtidigt, vilket är mer än ett svep rymmer. Den här besättningen delar upp analysen.
Att besvara en verklig fråga om ett bolag betyder att läsa rapporter, nyckeltal och filings samtidigt, vilket är mer än ett svep rymmer. Den här besättningen delar upp analysen.
Ledaragenten delar frågan mellan finans-, värderings- och riskspecialister som hämtar siffrorna parallellt, och förenar sedan deras synvinklar. Du får ett svar grundat i de faktiska siffrorna med sina förbehåll utskrivna, inte en känsla om tickern.
Så kör 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.
Specialistagenter hämtar rapporter, nyckeltal och senaste filings för sin vinkel parallellt.
pending
Varje agent rapporterar fynd med de siffror och källor den använt så att inget påstås i blindo.
pending
Ledaragenten förenar synvinklarna till ett svar som anger de stödjande siffrorna och förbehållen.
pending
Exempel 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.