No se recomienda usar agentes para bailar con los ballenas, porque los modelos LLM tienen mucha aleatoriedad, la esencia del LLM no es un motor de estrategia, sino un generador de probabilidades.

El mismo prompt, diferentes salidas → decisiones inestables.
Preguntarle la misma cosa varias veces da varias respuestas, además los scripts cron tienen restricciones, los modelos LLM son aleatorios y en muchas ocasiones tienen un rendimiento pobre, lo peor es la memoria, los modelos LLM suelen olvidar.
La ventana de contexto es limitada → pérdida de estado a largo plazo.
La memoria depende de complementos (bases de datos vectoriales / registros) → no es de consistencia fuerte.
La recuperación en sí misma también es un comportamiento probabilístico → puede fallar / puede equivocarse.
Y el mayor problema es que el MM activo es controlado por humanos, su guion tiene muchas variaciones, la mayoría de los agentes solo aprenden del pasado, no pueden predecir el futuro. Por eso, usar agentes para comerciar con monedas fantasmas probablemente terminará en una muerte muy dolorosa.
👉 El mercado no es un entorno estacionario.
El MM puede cambiar de guion.
Puede aprovechar tu estrategia en sentido inverso para cosechar.
Puede crear “falsos patrones históricos” y luego explotar en las reglas que crees tener.
Y la mayoría de los agentes hacen lo siguiente:
👉 Usan datos históricos para ajustar una “regla estable” (AutoResearch puede sobreajustar).
Pero la realidad es:
👉 La regla en sí misma es constantemente rota por las personas.