チャットがいっぱい。
プロジェクトはまだ必要ですが、新しいチャットは workspace を知りません。
次のチャットにインデックスを渡し、最初の prompt から続けられます。
RITA は workspace をコンパクトなセマンティックインデックスに変換し、AI が workspace 全体を先に探索することなく最初の prompt からプロジェクトを理解できるようにします。
RITA は複数の問題を解決します。会話が始まる前に workspace を AI 向けに準備します。
プロジェクトはまだ必要ですが、新しいチャットは workspace を知りません。
次のチャットにインデックスを渡し、最初の prompt から続けられます。
数十、数百のファイルがあるプロジェクトを記憶だけで説明し直すのは困難です。
セマンティック workspace マップを取得し、次のチャットを文脈付きで開始します。
次の AI が受け取る内容を自分でコントロールしたい。
AI には workspace 全体ではなくマップを渡します。
同じWORKSPACE。よりスマートな会話。
実際の workspace と新しい AI セッションのためのシンプルなフローです。
Here's my workspace.
Let's dive in.
RITA は生のワークスペースの複雑さを、AI が読めるコンパクトなマップに圧縮します。
RITA が大きなワークスペースをコンパクトなセマンティックインデックスに変換する実例です。
RITA は、次の AI がすぐに理解できるワークスペースマップを提供します。
同じ RITA 製品をブラウザでも専用 Mac アプリでも利用できます。
RITA は Credits で課金され、数分で workspace map を作成できるよう設計されています。
100 Credits から始めて、workspace をすぐにマッピングできます。
実測 run:source 約103,668行、3.8 MB、8ソースファミリー。
8ソースファミリーで138件のセマンティック要約。
source 約103,668行で実測。
最初の prompts で workspace を説明し直す代わりに、一度だけ少額を使います。
RITA は、次の AI セッションが受け取る内容をコントロールするための仕組みです。
RITA は workspace をマッピングします。ソースコードは書き換えません。
workspace map を次にどこへ渡すかはあなたが決めます。
次のチャットは repository 全体を先に探索せず、map から作業できます。
RITA は workspace の内容を処理し、セマンティックインデックスを作成してコンパクトな workspace map を返します。
RITA で workspace をマッピングする前に知っておくべきこと。
RITA は AI 支援ソフトウェア開発向けの semantic workspace mapping アプリケーションです。ソフトウェアプロジェクト内の対応 source を、AI がプロジェクト内で方向をつかむためのコンパクトで明示的な Semantic Workspace Indexes に変換します。
m-pathy.ai の Web アプリとして使うか、RITA for Mac を専用デスクトップアプリとしてダウンロードします。プロジェクトフォルダまたは ZIP をアップロードし、mapping を開始し、生成された indexes をダウンロードして、作業を続けたい AI workflow に追加します。
RITA は m-pathy Credits を使用します。最小パッケージは 100 Credits で €5.99 です。現在の実 benchmark では、source 約103,668行、3.8 MB、8ソースファミリーの workspace で 57.64 Credits を使用しました。実際の使用量は source 構成、サイズ、必要な処理によって変わります。
Credits を購入現在の実 benchmark では、RITA は source 約103,668行の workspace を約4分でマッピングしました。実行時間は workspace のサイズ、source 構成、必要な処理によって変わります。
workspace の semantic map を受け取れます。Indexes には source reference、マッピング済みファイルの簡潔な説明、重要な関数や構造を示す structural anchors が含まれます。これにより AI は最初の prompt からコンパクトな方向レイヤーを利用できます。
RITA は元の workspace と比べて方向レイヤーを大幅に圧縮できます。現在の実 benchmark では、約3.8 MBの source から123.5 KBのセマンティック要約が生成され、約31分の1、source サイズの約3.2%になりました。比率はプロジェクトによって異なります。
はい。RITA は mapping pipeline の semantic summarization 段階で LLM を使用します。その前に deterministic source admission、fingerprinting、structural anchor extraction、bounded orientation preparation を行います。LLM は pipeline の一部であり、全体のアーキテクチャそのものではありません。
いいえ。作業 AI に完全な repository への直接アクセスを与える代わりに RITA indexes を渡せます。これは RITA の中心的なユースケースの一つです。AI に map を渡し、workspace 全体は渡しません。
いいえ。RITA は workspace をマッピングし、semantic index artifacts を生成します。source files を自動編集したり、commit を作成したり、Git に push したりしません。
まだです。現在 RITA は 8 つの source families、Python、Markdown、JSON、Runner / Shell、TypeScript、TSX、JavaScript、CSS をサポートしています。
RITA の出力は明示的な JSON index files として提供され、単一の coding agent に縛られません。どの AI や workflow に map を渡すかはあなたが決めます。外部システムが indexes を直接利用できるかは、そのシステムとファイルの渡し方によります。
いいえ。RITA は AI coding tool を置き換えるものではありません。実際の作業が始まる前に、AI が必要とする workspace orientation を準備します。
次の AI セッションは、何時間もの再探索ではなくプロジェクトそのものから始めるべきです。workspace を一度マッピングし、その map を持って、開発を続けましょう。