Baupfad

Baue AI-Workflows mit Execution-Zugang.

Starte mit geführtem Dev Schooling, erhalte Keys und SDK und gehe dann in kontrollierte M13-Execution.

1 / 6 — Dev Schooling

Beginne mit Dev Schooling.

Dev Schooling ist eine geführte Onboarding-Session in deinem Arbeitsbereich. Sie führt dich durch das komplette Developer-Setup und sagt dir exakt, welche Commands du in VS Code ausführen sollst.

Folge den Commands. Erhalte deine Keys. Lade das SDK. Starte den Build.

Geführtes Developer-Setup

Bereit zum Start

01Session öffnen

02Commands ausführen

03Keys erhalten

04SDK herunterladen

05Lokal starten

Was du machst

VS CodeFühre den Command aus, den Dev Schooling dir gibt.

01Session öffnen

Starte den geführten Workflow und bleibe in einem klaren Onboarding-Pfad.

02Commands ausführen

Kopiere die Commands, die du erhältst, und führe sie in VS Code aus.

03Keys erhalten

API key, private key und public key reference werden für Developer-Execution vorbereitet.

04SDK herunterladen

Du erhältst dein SDK Package am Ende des geführten Setups.

05Lokal starten

Nutze die SDK-Start-Commands und teste mit Dev Credits, sobald alles bereit ist.

Session-Log

[✓]

Dev-Schooling-Session geöffnet.

[✓]

VS-Code-Command-Handoff vorbereitet.

[✓]

Developer keys provisioniert.

[✓]

SDK Download freigeschaltet.

[✓]

Lokaler Startpfad bereit.

Schooling Workflow starten Dev Credits holen →

2 / 6 — Access

Access Readiness

Prüfe deinen Developer-Status.

Nach Dev Schooling zeigt dir diese Konsole Workspace, Schooling, API keys und Dev Credits, damit du weißt, ob Execution bereit ist.

Schooling Workflow starten Dev Credits holen →

Dev Credits werden für API Calls, SDK Tests und Workflow Execution benötigt.

3 / 6 — RITA

Halte den Workspace orientiert.

RITA verwandelt lokales Workspace-Wissen in vier Orientierungsartefakte: Python-Source-Index, JSON-Contract-Index, Markdown-System-Index und Runner-Index. Entwicklung startet mit einer begrenzten Karte aus Dateien, Anchors, Summaries und Execution-Einstiegspunkten.

Artefakt-Tabs

semantic_workspace_index.json

1{2  "artifact_file": "semantic_workspace_index.json",3  "index_family": "python_source",4  "map_entries": [5    {6      "source_ref": "steps/RITA08_SummarizeAdmittedSourcesPY.py",7      "semantic_summary": "Builds clean semantic summaries for admitted source files.",8      "anchors": [9        "function: build_prompt lines 274-275",10        "function: validate_semantic_summary lines 293-309"11      ]12    }13  ]14}

Command-Tabs

rita_run.trigger.json

1{2  "command": "rita run <workspace_path>",3  "triggers": [4    "bind workspace identity",5    "initialize workspace-local state",6    "run RITA core life",7    "write orientation artifacts"8  ],9  "outputs": [10    "semantic_workspace_index.json",11    "semantic_workspace_index-json.json",12    "semantic_workspace_index-md.json",13    "semantic_workspace_index-runner.json"14  ],15  "runtime_state": "active"16}

RITA-Wirkungsebene

Energie- und Tokenkosten senken

RITA bereitet kompakte Workspace-Orientierung vor, bevor teure Modellarbeit startet, und reduziert wiederholtes Context-Laden und unnötige Token-Bewegung.

Entwicklung beschleunigen

RITA bewahrt Orientierungsplateaus, Indizes und Change-Awareness, damit Entwicklung schneller und mit weniger blinden Retrieval-Zyklen weitergeht.

IP schützen

RITA bleibt workspace-local. Sie legt kontrollierte Indizes und gezieltes Retrieval offen, damit proprietärer Context an den aktiven Workspace-Vertrag gebunden bleibt.

4 / 6 — M13 API Bridge

Rufe M13 auf, wenn der Workflow Druck braucht.

Route lokale Workflow-Momente in den richtigen M13-Pressure-Mode: schnelle Orientierung, tiefes Reasoning, kompakte Summary, harter Check, Challenge-Druck und Attack-Level-Reality-Testing.

fast

Schnelle Orientierung und direkte nächste Aktion.

reasoning

Tiefe kombinierte Herleitung, wenn die Aufgabe C-Level-Denken braucht.

summary

Kompakter State-Transfer für Fortsetzung und Handoff.

check

Harter KPI-Judge, bevor ein Resultat weiterläuft.

challenge

Benchmark-Druck gegen eine stärkere Alternative.

attack

Reality Pressure, bevor der Workflow in Produktionskontext geht.

API-Details öffnen →

5 / 6 — SDK

Betritt den lokalen Maschinenraum.

Erkunde das SDK als vollständigen lokalen Execution-Workspace: Dateien, Runner, Workflow, Artefakte, API Bridge und RITA in einem Maschinenraum.

Dein lokaler Execution-Workspace — jede Datei erkunden, dann ausführen.

Zwölf Kacheln. Drei sind live ausführbar. Jeder Run hinterlässt prüfbare Artefakte.

Maschinenraum

Maschinenraum ›Local Runner

Hier wird die Extension real.

Starte die Extension aus dem Terminal und beobachte, wie der komplette Flow durchläuft.

execution-space/engine/terminal_extension_runner.pyexecution-space/bin/run.shexecution-space/bin/run_action_builder.sh

[✓]python3 execution-space/engine/terminal_extension_runner.py run

[✓]Starting local execution: run_eu_ai_act_diagnostic_pipeline

[✓]Run path: execution-space/runs/terminal_extension_run_<timestamp>

[✓]TERMINAL EXTENSION RUN PASSED

01020304050607080910111213

Starte zuerst den Schooling Workflow. Keys und SDK Package werden gemeinsam am Ende des geführten Setups freigeschaltet.Schooling Workflow starten

6 / 6 — Publish / Payout

Veröffentliche Workflows und verdiene an Execution.

Beta

Wenn ein Workflow nützlich wird, kann er Richtung Publishing gehen. Entwickler können bis zu 30% der erzeugten Tokens als Payout Tokens erhalten, wenn veröffentlichte Workflows Nutzung erzeugen.

Publishbarer Workflow

Ein Workflow braucht einen kontrollierten Execution-Pfad, klare Artefakte und einen Grund, wiederholt genutzt zu werden.

Payout Tokens

Die Payout-Ebene verbindet Developer-Beitrag mit erzeugtem Execution-Wert.

Bis zu 30%

Berechtigte veröffentlichte Workflows können bis zu 30% der erzeugten Tokens als Payout Tokens zurückgeben.