채팅이 가득 찼습니다.
프로젝트는 계속 필요하지만 새 채팅은 workspace를 알지 못합니다.
다음 채팅에 인덱스를 전달하고 첫 prompt부터 계속 작업하세요.
RITA는 workspace를 간결한 시맨틱 인덱스로 변환해 AI가 전체 workspace를 먼저 탐색하지 않고도 첫 prompt부터 프로젝트를 이해하도록 합니다.
RITA는 하나 이상의 문제를 해결합니다. 대화가 시작되기 전에 workspace를 AI용으로 준비합니다.
프로젝트는 계속 필요하지만 새 채팅은 workspace를 알지 못합니다.
다음 채팅에 인덱스를 전달하고 첫 prompt부터 계속 작업하세요.
수십 또는 수백 개 파일이 있는 프로젝트를 기억만으로 다시 설명하기는 어렵습니다.
시맨틱 workspace 맵을 받아 다음 채팅을 이미 컨텍스트가 있는 상태로 시작하세요.
다음 AI가 무엇을 받는지 직접 통제하고 싶습니다.
AI에는 전체 workspace가 아니라 맵을 전달하세요.
같은 WORKSPACE. 더 스마트한 대화.
실제 workspace와 새로운 AI 세션을 위한 간단한 흐름입니다.
Here's my workspace.
Let's dive in.
RITA는 원시 워크스페이스 복잡성을 AI가 읽을 수 있는 컴팩트한 맵으로 압축합니다.
RITA가 큰 워크스페이스를 컴팩트한 시맨틱 인덱스로 바꾸는 실제 예시입니다.
RITA는 다음 AI가 즉시 이해할 수 있는 워크스페이스 맵을 제공합니다.
동일한 RITA 제품을 브라우저와 전용 Mac 앱에서 모두 사용할 수 있습니다.
RITA는 Credits로 과금되며 몇 분 안에 workspace map을 만들도록 설계되었습니다.
100 Credits로 시작해 workspace를 바로 매핑하세요.
실측 run 기준: source 약 103,668줄, 3.8 MB, 8개 소스 패밀리.
8개 소스 패밀리에서 138개 시맨틱 요약.
source 약 103,668줄 기준 실측.
처음 prompts에서 workspace를 다시 설명하는 대신 한 번 적은 금액을 사용하세요.
RITA는 다음 AI 세션이 무엇을 받는지 제어할 수 있게 해줍니다.
RITA는 workspace를 매핑하며 소스 코드를 다시 작성하지 않습니다.
workspace map을 다음에 어디로 전달할지 사용자가 결정합니다.
다음 채팅은 전체 repository를 먼저 탐색하는 대신 map에서 작업할 수 있습니다.
RITA는 workspace 콘텐츠를 처리하고 시맨틱 인덱스를 생성해 compact한 workspace map을 반환합니다.
RITA로 workspace를 매핑하기 전에 알아야 할 모든 것.
RITA는 AI 지원 소프트웨어 개발을 위한 semantic workspace mapping 애플리케이션입니다. 소프트웨어 프로젝트의 지원 source를 AI가 프로젝트 안에서 방향을 잡는 데 사용할 수 있는 compact하고 explicit한 Semantic Workspace Indexes로 변환합니다.
m-pathy.ai의 웹 앱으로 사용하거나 RITA for Mac을 전용 데스크톱 앱으로 다운로드하세요. 프로젝트 폴더 또는 ZIP을 업로드하고 mapping을 시작한 뒤 생성된 indexes를 다운로드하여 계속 작업할 AI workflow에 추가합니다.
RITA는 m-pathy Credits를 사용합니다. 가장 작은 패키지는 100 Credits에 €5.99입니다. 현재 실제 benchmark에서는 source 약 103,668줄, 3.8 MB, 8개 소스 패밀리의 workspace가 57.64 Credits를 사용했습니다. 실제 사용량은 source 구성, 크기와 필요한 처리에 따라 달라집니다.
Credits 구매현재 실제 benchmark에서 RITA는 source 약 103,668줄의 workspace를 약 4분에 매핑했습니다. 실행 시간은 workspace 크기, source 구성과 필요한 처리에 따라 달라집니다.
workspace의 semantic map을 받게 됩니다. Indexes에는 source reference, 매핑된 파일의 간결한 설명, 중요한 함수나 구조를 식별하는 structural anchors가 포함됩니다. 이를 통해 AI는 첫 prompt부터 compact한 orientation layer를 사용할 수 있습니다.
RITA는 원래 workspace와 비교해 orientation layer를 크게 압축할 수 있습니다. 현재 실제 benchmark에서 약 3.8 MB의 source가 123.5 KB의 시맨틱 요약을 생성했으며, 약 31배 작고 source 크기의 약 3.2%입니다. 정확한 비율은 프로젝트마다 다릅니다.
네. RITA는 mapping pipeline의 semantic summarization 단계에서 LLM을 사용합니다. 그 전에 deterministic source admission, fingerprinting, structural anchor extraction, bounded orientation preparation을 수행합니다. LLM은 pipeline의 한 부분이지 전체 아키텍처가 아닙니다.
아니요. 전체 repository에 직접 접근시키는 대신 작업 AI에 RITA indexes를 줄 수 있습니다. 이것이 RITA의 핵심 사용 사례 중 하나입니다. AI에는 map을 주고 workspace 전체는 주지 않습니다.
아니요. RITA는 workspace를 매핑하고 semantic index artifacts를 생성합니다. source files를 자동으로 편집하거나 commit을 만들거나 Git에 push하지 않습니다.
아직 아닙니다. 현재 RITA는 Python, Markdown, JSON, Runner / Shell, TypeScript, TSX, JavaScript, CSS의 8개 source families를 지원합니다.
RITA 출력은 explicit JSON index files로 제공되며 하나의 coding agent에 묶이지 않습니다. 어떤 AI나 workflow가 map을 받을지 사용자가 결정합니다. 외부 시스템이 indexes를 직접 사용할 수 있는지는 해당 시스템과 파일 제공 방식에 따라 달라집니다.
아니요. RITA는 AI coding tool을 대체하려는 제품이 아닙니다. 실제 작업이 시작되기 전에 AI가 필요로 하는 workspace orientation을 준비합니다.
다음 AI 세션은 몇 시간의 재탐색이 아니라 프로젝트 자체에서 시작해야 합니다. workspace를 한 번 매핑하고, 그 map을 가지고 계속 빌드하세요.