· 2 min de lectura
Filtra antes de pensar
El diseño de Stock Bot, un agente LLM programado que lee la bolsa de Nigeria con un presupuesto mínimo.
Stock Bot es un pequeño agente en construcción. Cada día encuentra las acciones de la bolsa de Nigeria que bajaron, decide qué caídas parecen oportunidades y me envía la lista por Telegram. Lo interesante no es el LLM, sino todo lo que lo rodea.
El pipeline
- Una programación de EventBridge lanza una función Lambda una vez al día.
- La función obtiene las mayores caídas del día en lugar de todas las empresas cotizadas.
- Para cada una revisa cinco días de precios guardados en DynamoDB, para confirmar una caída real y no un solo día de ruido.
- Solo las que pasan el filtro van a Gemini con un prompt estructurado, y las mejores opciones llegan a Telegram.
Por qué filtrar primero
Las llamadas al LLM son el paso más lento y caro, así que van al final. El código sencillo descarta gratis la mayoría de candidatas, y el modelo solo juzga las pocas que merecen juicio. La idea vale para cualquier agente: deja que pasos baratos y deterministas acoten el problema, y gasta inteligencia donde cambia la respuesta.
Paquetes pequeños, menos sorpresas
Mi primera versión usaba pandas, y el paquete de Lambda quedaba demasiado grande para desplegarlo sin capas extra. Cambiarlo por un parser HTML ligero resolvió el problema. Serverless premia las dependencias aburridas.
Sigue en curso: el pipeline funciona en local y el despliegue se está terminando. Lo siguiente es registrar cada elección y medir los juicios del modelo frente a lo que realmente hizo el mercado.
Caso de estudio relacionado
Stock Bot