dd-agents

Agentes de Due Diligence

Legal señala un riesgo. Finanzas señala otro. Nosotros conectamos y citamos. Due diligence forense de código abierto para fusiones y adquisiciones: 13 agentes de IA leen toda su sala de datos en 9 dominios, cruzan hallazgos que ningún revisor individual conecta y rastrean cada uno hasta una página y cita exactas.

Verificado por citas, no RAG. Los agentes leen los documentos directamente en lugar de recuperar fragmentos incrustados, y las citas se verifican contra el texto fuente extraído, y las citas P0/P1 reciben una verificación determinista de fidelidad. Ver por qué no RAG vectorial.

Construido por Zohar Babin

Ver un informe de ejemplo — salida HTML interactiva de un acuerdo sintético, sin necesidad de instalación.

📑 Presentación de recorrido

▶ Abrir el recorrido interactivo → · 23 diapositivas · arquitectura, síntesis entre dominios, capa de confianza y ROI · usa ←/→ para navegar, N para notas del orador

Encuentra lo que queda enterrado entre cientos de contratos — lo cruza en 9 dominios especializados (Legal, Finanzas, Comercial, ProductoTech, Ciberseguridad, RRHH, Impuestos, Regulatorio, ESG) — y rastrea cada hallazgo hasta una página, sección y cita exactas. Usa la salida estructurada junto con tus asesores para redactar memorandos de comité de inversión, informes de asesores, listas de verificación de negociación o planes de integración.

Probado en múltiples adquisiciones completadas, no solo en benchmarks sintéticos — cada control de calidad y capa de verificación a continuación fue moldeado por lo que realmente falló en acuerdos reales.

Esta herramienta no reemplaza a los asesores profesionales. Las conclusiones legales, financieras y regulatorias siempre deben ser tomadas por profesionales calificados. Esta herramienta ayuda a tu equipo y asesores a trabajar más rápido.

Por Qué Existe

Lo construí para resolver mi propio problema. Como líder de desarrollo corporativo, pasaba semanas armando el panorama entre dominios a partir de informes de asesores aislados — equipos legales, financieros y comerciales señalando el mismo tema de forma independiente, sin que nadie conectara los puntos. Una cláusula de terminación en un contrato y un riesgo de concentración de ingresos en el mismo tema se señalaban en flujos de trabajo separados, si acaso.

Los números cuentan la historia:

• El 31% de los fracasos en M&A se remontan a deficiencias en la due diligence — Acquisition Stars, citando investigaciones de HBR, McKinsey y KPMG
• Los plazos de DD siguen comprimiéndose — lo que solía ser un proceso de seis semanas se convierte en tres, sin reducción del alcance — Spellbook
• Los equipos de desarrollo corporativo evalúan 200-1,000+ empresas/año pero cierran solo 1-10 — una tasa de conversión del 1-3%, con costos de DD hundidos en cada acuerdo que no se cierra — CorpDev.AI
• El análisis de contratos con IA alcanza un 95% de precisión con prompting consciente de cláusulas (frente al 74% base) — Informe RAG de Addleshaw Goddard, 510 contratos probados
• El 86% de las organizaciones de M&A han integrado GenAI en los flujos de trabajo de acuerdos — Tendencias M&A 2025 de Deloitte

Esta herramienta ejecuta los nueve flujos de trabajo en paralelo en cada documento, cruza hallazgos automáticamente y produce análisis estructurados que tu equipo puede buscar, filtrar y explorar — el tipo de panorama entre dominios que solía tomar semanas armar manualmente.

Quién usa esto: Equipos de desarrollo corporativo que evalúan objetivos, firmas de PE que ejecutan DD de cartera, equipos legales que revisan contratos, asesores que aceleran flujos de trabajo. Cualquiera que necesite buscar cientos de contratos y conectar hallazgos entre dominios. Ya se ha ejecutado en adquisiciones reales, no solo en salas de datos de demostración.

Construido para equipos pequeños:

Puedes ejecutarlo en tu propia máquina o en tu propia cuenta en la nube. El texto de los documentos se envía al proveedor de LLM que configures. Ver Proveedores de Modelos.

Qué Puedes Hacer

Pipeline Completo — Due Diligence Integrada

dd-agents run deal-config.json

Analiza cada documento a través de 9 lentes de dominio, cruza hallazgos y valida la calidad mediante 5 controles bloqueantes. Produce:

• Informe HTML interactivo — veredicto de Aprobado/No Aprobado con narrativa ejecutiva, divulgación progresiva (decisión → acciones → detalles del dominio → evidencia completa), filtrado por severidad y una sección de biblioteca de cláusulas que agrupa hallazgos por tipo de cláusula canónica (cambio de control, terminación, indemnización y más) frente a comparaciones con normas de mercado
• Informe Excel de 16 hojas — hallazgos estructurados, referencias cruzadas, rastro de auditoría para modelado posterior
• Hallazgos JSON por tema — cada hallazgo con severidad, citas, referencias cruzadas y aristas del grafo de gobernanza

Escaneo Rápido — Triage de Banderas Rojas en Minutos

dd-agents run deal-config.json --quick-scan --model-profile economy

Señal VERDE / AMARILLO / ROJO en 8 categorías de factores que rompen acuerdos. Obtén una primera lectura antes de comprometerte con el análisis completo.

Búsqueda de Contratos — Preguntas Específicas, Sin Pipeline Completo

dd-agents search prompts.json --data-room ./data_room

Haz preguntas específicas en todos los contratos y obtén un informe en Excel con respuestas, citas y puntuaciones de verificación. El archivo de prompts es JSON simple que cualquier profesional legal puede escribir:

{
  "name": "Change of Control Analysis",
  "columns": [
    {
      "name": "Consent Required",
      "prompt": "Does this agreement require consent upon a change of control? Answer YES, NO, or NOT_ADDRESSED."
    }
  ]
}

Ver examples/search/ para plantillas listas para usar.

Herramientas Posteriores a la Ejecución

dd-agents chat --report _dd/forensic-dd/runs/latest         # Interactive multi-turn chat with memory
dd-agents query --report _dd/forensic-dd/runs/latest        # Ask questions about findings
dd-agents cost _dd/forensic-dd/runs/latest                  # Per-provider / per-model cost rollup
dd-agents assess ./data_room                                # Check data room quality
dd-agents portfolio add "Deal A" --data-room ./data_room_a  # Track multiple deals
dd-agents portfolio compare                                 # Compare risk across deals
dd-agents export-pdf report.html                            # Export to PDF
dd-agents log --data-room ./data_room                       # Browse the deal knowledge timeline
dd-agents lineage --data-room ./data_room                   # Trace finding evolution across runs
dd-agents diff run_a/ run_b/                                # Compare findings between two run directories
dd-agents health --data-room ./data_room                    # Check knowledge base integrity
dd-agents annotate --data-room ./data_room "Confirmed with counsel"  # Add analyst notes

Sirve un informe terminado a través de la red. examples/agno-bindu/ expone un informe completado como un agente conversacional Bindu A2A — pregúntale por conteos de P0, riesgos de dominio o la cláusula citada exacta. Ejemplo contribuido por la comunidad; no afiliado ni respaldado por los mantenedores.

Personaliza los Agentes (sin necesidad de código)

Inspecciona, audita y adapta la persona, las áreas de enfoque y la calibración de severidad de cada especialista — editando markdown, no Python. Las reglas de seguridad nunca pueden eliminarse.

dd-agents agents list                          # See every specialist and its status
dd-agents agents describe --agent legal        # Read an agent's persona + safety floor
dd-agents agents validate ./my-project         # Lint your dd-config/ customizations
dd-agents agents preview --agent legal --project-dir ./my-project  # Exact assembled prompt

Coloca un dd-config/agents/legal.md junto a tu configuración de acuerdo para anular personas, agregar áreas de enfoque o ajustar la severidad — opcionalmente heredando un perfil de tipo de acuerdo incluido (saas, regulated-fintech, …). Ver Personalización de Agentes.

Inicio Rápido

Requisitos previos: Python 3.12+ y una clave de API de Anthropic.

# 1. Install
pip install 'dd-agents[pdf]'

# 2. Set your API key
export ANTHROPIC_API_KEY="sk-ant-..."

# 3. Generate a deal config (AI scans the data room and infers entity aliases, focus areas)
dd-agents auto-config "Buyer Corp" "Target Inc" --data-room ./data_room

# 4. (Optional) Pre-flight: verify provider/model routing + validate the config
dd-agents doctor --config deal-config.json

# 5. Run the analysis
dd-agents run deal-config.json

git clone https://github.com/zoharbabin/due-diligence-agents.git
cd due-diligence-agents
pip install -e ".[dev,pdf]"

La salida aparece en {data_room_path}/_dd/forensic-dd/runs/latest/report/dd_report.html — ábrela en tu navegador.

¿Aún no tienes clave de API? Genera una configuración sin ninguna llamada a la API: dd-agents init --data-room ./data_room

{
  "config_version": "1.0.0",
  "buyer": { "name": "Acme Corp" },
  "target": { "name": "Target Inc" },
  "deal": { "type": "acquisition", "focus_areas": ["change_of_control", "ip_ownership"] },
  "data_room": { "path": "./data_room" }
}

Ver la Guía de inicio para un recorrido completo con la sala de datos de muestra incluida.

export ANTHROPIC_API_KEY="sk-ant-..."

cp .env.example .env
# Edit .env and add your key

export CLAUDE_CODE_USE_BEDROCK=1
export AWS_PROFILE=default
export AWS_REGION=us-east-1

data_room/
  SubjectGroup_A/
    Acme_Corp/
      master_agreement.pdf
      amendment_2024.pdf
    Beta_Inc/
      license_agreement.pdf
  SubjectGroup_B/
    Gamma_LLC/
      services_contract.docx
  _reference/                    # Optional: buyer overview, customer database, etc.
    buyer_overview.pdf

Cómo Funciona

  Data Room (PDFs, Word, Excel, Images)
       │
       ▼
  ┌─────────────────────────────────────┐
  │        Python Orchestrator          │
  │         38-step pipeline            │
  │       5 blocking quality gates      │
  └──────────────┬──────────────────────┘
                 │
    ┌────────────┼────────────┐
    │            │            │
    ▼            ▼            ▼
 ┌──────┐  ┌────────┐  ┌──────────┐  ┌──────────┐  ┌─────────────┐
 │Legal │  │Finance │  │Commercial│  │ProductTech│ │Cybersecurity│
 │Agent │  │ Agent  │  │  Agent   │  │  Agent   │  │   Agent     │
 └──┬───┘  └───┬────┘  └────┬─────┘  └────┬─────┘  └──────┬──────┘
    │          │            │             │               │
 ┌──┴──┐  ┌────────┐  ┌─────┴──────┐  ┌───┴──┐    ┌───────┴─────┐
 │ HR  │  │  Tax   │  │ Regulatory │  │ ESG  │    │  + External │
 │Agent│  │ Agent  │  │   Agent    │  │Agent │    │   Agents    │
 └──┬──┘  └───┬────┘  └──────┬─────┘  └───┬──┘    └───────┬─────┘
    │         │              │            │               │
    └─────────┴───────┬──────┴────────────┴───────────────┘
                      │
              ┌───────▼────────┐
              │  Cross-Domain  │  ← Symbolic trigger rules detect
              │   Analysis     │    inter-domain dependencies
              └───────┬────────┘
                      │
              ┌───────▼────────┐
              │  Judge Agent   │  ← Validates findings
              │  (optional)    │
              └───────┬────────┘
                      │
              ┌───────▼────────┐
              │  Merge & Audit │  ← Dedup, numerical checks,
              │  31 QA checks  │    citation verification
              └───────┬────────┘
                      │
              ┌───────▼────────┐
              │   Executive    │  ← Severity calibration,
              │   Synthesis    │    Go/No-Go signal
              └───────┬────────┘
                      │
                      ▼
            HTML + Excel + JSON

Los 13 agentes

9 especialistas de dominio analizan cada documento en paralelo — cada uno posee un dominio y rastrea hallazgos hasta citas exactas (ver Qué Se Analiza para las áreas de enfoque por dominio):

4 agentes de orquestación y síntesis convierten los hallazgos brutos en una decisión:

Eso es 13 agentes de IA en total. Los especialistas están impulsados por configuración — habilítalos/deshabilítalos por acuerdo mediante deal-config.json — y se pueden agregar especialistas externos mediante puntos de entrada de pip sin modificar el código central.

Lentes de inmersión profunda integradas (no agentes separados): tres especialistas llevan áreas de enfoque adicionales que actúan como pasadas más profundas dentro de su dominio — Seguros (dentro de Finanzas), Operaciones (dentro de Comercial) e IP Profundo / libertad de operación (dentro de Legal). Aparecen como sus propias categorías en el informe pero se ejecutan dentro del especialista principal, por lo que no aumentan el conteo de agentes. El pipeline se detiene ante fallos de calidad en lugar de producir resultados poco fiables. Las ejecuciones pueden reanudarse desde cualquier paso.

Seguridad y Privacidad

• Ejecución local — todo el análisis se ejecuta en tu máquina. Los documentos solo salen de tu máquina como llamadas API a tu endpoint de LLM configurado — API de Anthropic, AWS Bedrock, Google Vertex AI, o una puerta de enlace compatible con Anthropic a la que lo apuntes. Consulta Model Providers.
• Sin telemetría — la herramienta no se comunica con el servidor, no recopila datos de uso ni envía análisis a ningún lugar.
• Solo lectura — la herramienta nunca modifica archivos en tu sala de datos. La salida se escribe en un directorio _dd/ separado.
• Sin credenciales persistentes — las claves API se leen de variables de entorno o archivos .env, nunca se almacenan en artefactos de salida.

Consulta SECURITY.md para la política de seguridad completa, reporte de vulnerabilidades y detalles de manejo de datos.

Qué se Analiza

Salida del Pipeline

_dd/forensic-dd/
  index/text/                     # Extracted document text (cached across runs)
  inventory/                      # File discovery and company registry
  runs/
    latest/                       # Always points to the most recent run
      findings/
        legal/                    # Per-subject findings from each agent
        finance/
        commercial/
        producttech/
        merged/                   # Deduplicated cross-domain findings
      report/
        dd_report.html            # Interactive HTML report
        dd_report.xlsx            # 16-sheet Excel report
      audit.json                  # 31 quality validation checks
      numerical_manifest.json     # Every financial figure traced to source
      metadata.json               # Run metadata and API costs
  knowledge/                      # Deal Knowledge Base (compounds across runs)
    articles/                     # Structured knowledge articles
    chronicle.jsonl               # Append-only timeline of all events
    graph.json                    # Cross-reference knowledge graph
  entity_resolution_cache.json    # Company name matching (reused across runs)

Instalación

pip install 'dd-agents[pdf]'      # Recommended (includes PDF extraction via pymupdf)

# macOS (Homebrew)
brew install zoharbabin/due-diligence-agents/dd-agents

# Docker
docker pull zoharbabin/due-diligence-agents:latest

# Extras
pip install dd-agents           # Core only (no PDF extraction)
pip install 'dd-agents[vector]'   # + semantic search via ChromaDB
pip install 'dd-agents[ocr]'      # + OCR for scanned documents (English)
pip install 'dd-agents[glm-ocr]'  # + multilingual OCR (100+ languages, Apple Silicon)

# Pre-built image (recommended)
docker pull zoharbabin/due-diligence-agents:latest
docker run -e ANTHROPIC_API_KEY="sk-ant-..." \
  -v ./data_room:/workspace/data_room \
  -v ./deal-config.json:/workspace/deal-config.json \
  zoharbabin/due-diligence-agents run deal-config.json

# Or build from source
docker build -t dd-agents .
docker run -e ANTHROPIC_API_KEY="sk-ant-..." \
  -v ./data_room:/workspace/data_room \
  -v ./deal-config.json:/workspace/deal-config.json \
  dd-agents run deal-config.json

Licencia

Todas las dependencias principales utilizan licencias de código abierto permisivas (Apache 2.0, MIT, BSD). El extra opcional [pdf] instala pymupdf, que tiene licencia AGPL-3.0 — si redistribuyes software que incluye pymupdf, los términos de copyleft de AGPL se aplican a tu distribución. Usarlo internamente o como herramienta no activa el copyleft.

Documentación

Contribuciones

Consulta CONTRIBUTING.md para la configuración de desarrollo, estilo de código y proceso de PR.

Prensa y Cobertura

Historial de Estrellas

Si este proyecto te resulta útil, considera darle una estrella — ayuda a que otros lo descubran.

Licencia

Apache 2.0. Consulta LICENSE.