빌드 경로

실행 액세스가 있는 AI workflows를 빌드하세요.

가이드형 Dev Schooling으로 시작해 keys와 SDK를 받은 뒤, 제어된 M13 실행으로 이동합니다.

1 / 6 — Dev Schooling

Dev Schooling으로 시작하세요.

Dev Schooling은 작업 공간 안에서 진행되는 가이드형 onboarding session입니다. 전체 developer setup을 안내하고 VS Code에서 실행할 commands를 정확히 알려 줍니다.

commands를 따라가세요. keys를 받으세요. SDK를 다운로드하세요. 빌드를 시작하세요.

가이드형 developer setup
시작 준비 완료
01세션 열기
02commands 실행
03keys 받기
04SDK 다운로드
05로컬에서 시작
사용자가 할 일
VS CodeDev Schooling이 제공한 command를 실행하세요.
01세션 열기

가이드형 workflow를 시작하고 명확한 onboarding 경로 안에 머무르세요.

02commands 실행

받은 commands를 복사해 VS Code에서 실행하세요.

03keys 받기

API key, private key, public key reference가 developer 실행용으로 준비됩니다.

04SDK 다운로드

가이드형 setup 마지막에 SDK Package를 받습니다.

05로컬에서 시작

준비가 끝나면 SDK start commands를 사용하고 Dev Credits로 테스트하세요.

세션 로그
[✓]

Dev Schooling 세션이 열렸습니다.

[✓]

VS Code command handoff 준비 완료.

[✓]

Developer keys 프로비저닝 완료.

[✓]

SDK 다운로드 잠금 해제.

[✓]

로컬 시작 경로 준비 완료.

Schooling Workflow 시작Dev Credits 받기 →
2 / 6 — 액세스
액세스 준비 상태

developer 상태를 확인하세요.

Dev Schooling 이후 이 콘솔은 workspace, schooling, API keys, Dev Credits를 보여 주어 실행 준비 여부를 확인하게 합니다.

Schooling Workflow 시작Dev Credits 받기 →

API calls, SDK 테스트, workflow 실행에는 Dev Credits가 필요합니다.

3 / 6 — RITA

workspace의 방향성을 유지하세요.

RITA는 로컬 workspace 지식을 네 가지 orientation artifacts로 바꿉니다: Python source index, JSON contract index, Markdown system index, runner index. 개발은 files, anchors, summaries, execution entrypoints로 구성된 제한된 지도에서 시작됩니다.

artifact 탭
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 탭
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

에너지와 token 비용 절감

RITA는 비용이 큰 model work 전에 compact workspace orientation을 준비해 반복 context loading과 불필요한 token 이동을 줄입니다.

02

개발 가속

RITA는 orientation plateaus, indexes, change awareness를 보존해 개발을 더 빠르게 재개하고 blind retrieval cycles를 줄입니다.

03

IP 보호

RITA는 workspace-local로 유지됩니다. controlled indexes와 targeted retrieval을 제공해 proprietary context가 active workspace contract 안에 머물게 합니다.

4 / 6 — M13 API Bridge

workflow에 pressure가 필요할 때 M13을 호출하세요.

로컬 workflow 순간을 올바른 M13 pressure mode로 라우팅하세요: 빠른 orientation, 깊은 reasoning, compact summary, hard check, challenge pressure, attack-level reality testing.

fast

빠른 orientation과 즉시 다음 action.

reasoning

작업에 C-level thinking이 필요할 때 깊은 combined derivation.

summary

continuation과 handoff를 위한 compact state transfer.

check

결과가 앞으로 가기 전 hard KPI judging.

challenge

더 강한 대안에 대한 benchmark pressure.

attack

workflow가 production context로 들어가기 전 reality pressure.

API 세부 정보 열기 →
5 / 6 — SDK

로컬 machine room에 들어가세요.

SDK를 완전한 로컬 execution workspace로 살펴보세요: files, runner, workflow, artifacts, API Bridge, RITA가 하나의 machine room 안에 있습니다.

로컬 execution workspace — 모든 파일을 살펴본 뒤 실행하세요.

12개 tiles. 3개는 live 실행 가능. 모든 run은 inspectable artifacts를 남깁니다.
machine room
Machine Room ›Local Runner

여기서 Extension이 실제가 됩니다.

terminal에서 Extension을 실행하고 전체 flow가 통과하는 것을 확인하세요.

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
먼저 Schooling Workflow를 시작하세요. keys와 SDK Package는 가이드형 setup 마지막에 함께 잠금 해제됩니다.Schooling Workflow 시작
6 / 6 — Publish / Payout

workflows를 게시하고 실행에서 수익을 얻으세요.

Beta

workflow가 유용해지면 publish 단계로 이동할 수 있습니다. 게시된 workflows가 사용량을 만들면 developers는 생성 tokens의 최대 30%를 Payout Tokens로 받을 수 있습니다.

01

게시 가능한 workflow

workflow에는 controlled execution path, 명확한 artifacts, 반복 사용될 이유가 필요합니다.

02

Payout Tokens

payout layer는 developer contribution을 생성된 execution value와 연결합니다.

03

최대 30%

적격 게시 workflows는 생성 tokens의 최대 30%를 Payout Tokens로 돌려줄 수 있습니다.