बिल्ड पथ

Execution access के साथ AI workflows बनाएं।

Guided Dev Schooling से शुरू करें, keys और SDK पाएं, फिर नियंत्रित M13 execution में जाएं।

1 / 6 — Dev Schooling

Dev Schooling से शुरू करें।

Dev Schooling आपके workspace में guided onboarding session है। यह पूरे developer setup से ले जाता है और बताता है कि VS Code में कौन से commands चलाने हैं।

Commands follow करें। Keys पाएं। SDK download करें। Build शुरू करें।

Guided developer setup
शुरू करने के लिए तैयार
01Session खोलें
02Commands चलाएं
03Keys पाएं
04SDK download करें
05Local start करें
आप क्या करते हैं
VS CodeDev Schooling जो command देता है उसे चलाएं।
01Session खोलें

Guided workflow शुरू करें और साफ onboarding path में रहें।

02Commands चलाएं

मिले हुए commands copy करें और VS Code में चलाएं।

03Keys पाएं

API key, private key और public key reference developer execution के लिए तैयार होते हैं।

04SDK download करें

Guided setup के अंत में आपका SDK Package मिलता है।

05Local start करें

सब ready होने पर SDK start commands इस्तेमाल करें और Dev Credits से test करें।

Session log
[✓]

Dev Schooling session खुल गया।

[✓]

VS Code command handoff तैयार।

[✓]

Developer keys provision हो गईं।

[✓]

SDK download unlock हो गया।

[✓]

Local start path तैयार।

Schooling Workflow शुरू करेंDev Credits लें →
2 / 6 — Access
Access readiness

अपना developer state जांचें।

Dev Schooling के बाद यह console workspace, schooling, API keys और Dev Credits दिखाता है, ताकि execution readiness साफ हो।

Schooling Workflow शुरू करेंDev Credits लें →

API calls, SDK tests और workflow execution के लिए Dev Credits चाहिए।

3 / 6 — RITA

Workspace को oriented रखें।

RITA local workspace knowledge को चार orientation artifacts में बदलती है: Python source index, JSON contract index, Markdown system index और runner index. Development files, anchors, summaries और execution entrypoints के bounded map से शुरू होता है।

Artifact 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 impact layer
01

Energy और token cost घटाना

RITA महंगे model work से पहले compact workspace orientation तैयार करती है, जिससे repeated context loading और wasted token movement घटता है।

02

Development acceleration

RITA orientation plateaus, indexes और change awareness बचाती है, ताकि development कम blind retrieval cycles के साथ तेज़ी से resume हो।

03

IP protection

RITA workspace-local रहती है। यह controlled indexes और targeted retrieval देती है ताकि proprietary context active workspace contract तक bounded रहे।

4 / 6 — M13 API Bridge

Workflow को pressure चाहिए तो M13 call करें।

Local workflow moments को सही M13 pressure mode में route करें: fast orientation, deep reasoning, compact summary, hard check, challenge pressure और attack-level reality testing।

fast

Fast orientation और direct next action।

reasoning

जब task को C-level thinking चाहिए, deep combined derivation।

summary

Continuation और handoff के लिए compact state transfer।

check

Result आगे बढ़े उससे पहले hard KPI judging।

challenge

एक stronger alternative के खिलाफ benchmark pressure।

attack

Workflow production context में जाए उससे पहले reality pressure।

API details खोलें →
5 / 6 — SDK

Local machine room में प्रवेश करें।

SDK को complete local execution workspace की तरह explore करें: files, runner, workflow, artifacts, API Bridge और RITA एक ही machine room में।

आपका local execution workspace — हर file explore करें, फिर run करें।

बारह tiles। तीन live runnable हैं। हर run inspectable artifacts छोड़ता है।
Machine room
Machine Room ›Local Runner

यहीं Extension real बनती है।

Terminal से Extension run करें और पूरा flow pass होता देखें।

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
पहले Schooling Workflow शुरू करें। Keys और SDK Package guided setup के अंत में साथ unlock होते हैं।Schooling Workflow शुरू करें
6 / 6 — Publish / Payout

Workflows publish करें और execution से earn करें।

Beta

जब workflow useful हो जाता है, वह publishing की ओर जा सकता है। Published workflows usage बनाते हैं तो developers generated tokens का up to 30% Payout Tokens के रूप में पा सकते हैं।

01

Publishable workflow

Workflow को controlled execution path, clear artifacts और repeated use का reason चाहिए।

02

Payout Tokens

Payout layer developer contribution को generated execution value से जोड़ता है।

03

Up to 30%

Eligible published workflows generated tokens का up to 30% Payout Tokens के रूप में return कर सकते हैं।