构建路径

用执行权限构建 AI workflows。

从引导式 Dev Schooling 开始，获取 keys 和 SDK，然后进入受控的 M13 执行。

1 / 6 — Dev Schooling

从 Dev Schooling 开始。

Dev Schooling 是你工作区内的引导式 onboarding session。它带你完成完整 developer setup，并准确告诉你要在 VS Code 运行哪些 commands。

跟随 commands。获取 keys。下载 SDK。开始构建。

引导式 developer setup

准备开始

01打开 session

02运行 commands

03获取 keys

04下载 SDK

05本地启动

你要做什么

VS Code运行 Dev Schooling 给你的 command。

01打开 session

启动引导式 workflow，并保持在清晰的 onboarding 路径中。

02运行 commands

复制收到的 commands，并在 VS Code 中运行。

03获取 keys

API key、private key 和 public key reference 会为 developer 执行准备好。

04下载 SDK

你会在引导式 setup 结束时收到 SDK Package。

05本地启动

一切就绪后，使用 SDK start commands 并通过 Dev Credits 测试。

Session log

[✓]

Dev Schooling session 已打开。

[✓]

VS Code command handoff 已准备。

[✓]

Developer keys 已配置。

[✓]

SDK 下载已解锁。

[✓]

本地启动路径已就绪。

启动 Schooling Workflow 获取 Dev Credits →

2 / 6 — 访问

访问就绪状态

检查你的 developer 状态。

Dev Schooling 之后，此控制台会显示 workspace、schooling、API keys 和 Dev Credits，让你判断执行是否就绪。

启动 Schooling Workflow 获取 Dev Credits →

API calls、SDK 测试和 workflow 执行都需要 Dev Credits。

3 / 6 — RITA

保持 workspace 有方向感。

RITA 将本地 workspace 知识转化为四个定位 artifacts：Python source index、JSON contract index、Markdown system index 和 runner index。开发从一张受限地图开始：files、anchors、summaries 和 execution entrypoints。

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 影响层

降低能耗和 token 成本

RITA 在昂贵模型工作开始前准备紧凑 workspace orientation，减少重复 context loading 和浪费的 token 移动。

加速开发

RITA 保留 orientation plateaus、indexes 和 change awareness，让开发更快恢复，并减少盲目 retrieval 循环。

保护 IP

RITA 保持 workspace-local。它暴露受控 indexes 和定向 retrieval，使 proprietary context 受限于当前 workspace contract。

4 / 6 — M13 API Bridge

当 workflow 需要压力时调用 M13。

把本地 workflow 的关键时刻路由到正确的 M13 pressure mode：快速定位、深度 reasoning、紧凑 summary、硬性 check、challenge pressure 和 attack-level reality testing。

fast

快速定位并给出直接下一步。

reasoning

任务需要 C-level thinking 时进行深度组合推导。

summary

用于继续和 handoff 的紧凑 state transfer。

check

结果进入下一步前进行硬性 KPI judging。

challenge

针对更强替代方案进行 benchmark pressure。

attack

workflow 进入生产上下文前的 reality pressure。

打开 API 详情 →

5 / 6 — SDK

进入本地机器室。

把 SDK 当作完整的本地 execution workspace 来探索：files、runner、workflow、artifacts、API Bridge 和 RITA 都在同一个 machine room 中。

你的本地 execution workspace：先探索每个文件，再运行。

十二个 tiles。三个可 live run。每次 run 都留下可检查 artifacts。

机器室

机器室 ›Local Runner

Extension 在这里变成真实运行。

从 terminal 启动 Extension，并观察完整 flow 通过。

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

先启动 Schooling Workflow。Keys 和 SDK Package 会在引导式 setup 结束时一起解锁。启动 Schooling Workflow

6 / 6 — Publish / Payout

发布 workflows，并从执行中获得收益。

Beta

当 workflow 变得有用，它可以进入发布路径。已发布 workflows 产生使用量时，developers 可获得最多 30% 生成 tokens 作为 Payout Tokens。

可发布 workflow

workflow 需要受控 execution path、清晰 artifacts，以及被重复使用的理由。

Payout Tokens

payout 层把 developer 贡献与生成的 execution value 连接起来。

最高 30%

符合条件的已发布 workflows 可将最多 30% 生成 tokens 作为 Payout Tokens 返回。