你的工作区。你的控制权。RITA IT.把地图交给 AI。

RITA 将工作区转换为紧凑的语义索引，让 AI 从第一个提示词开始就理解项目，而无需先探索整个工作区。

获取 Mac 版 RITA

8源文件类型

Python

Markdown

JSON

Runner

TypeScript

TSX

JavaScript

CSS

8源文件类型

138摘要

~4 MIN基准耗时

123.5 KB摘要大小

问题 → 解决方案

三个时刻， RITA 会改变工作流程

RITA 不只解决一个问题。它会在对话开始前，为 AI 准备好你的 workspace。

问题

你的聊天已满。

你仍然需要这个项目，但新的聊天并不了解你的 workspace。

RITA it.

结果

把索引交给下一个聊天，从第一个 prompt 就继续工作。

问题

回到一个旧 workspace？

包含几十或几百个文件的项目，很难仅凭记忆重新解释。

RITA it.

结果

获得语义 workspace 地图，让下一次聊天一开始就拥有上下文。

问题

不想让工作 AI 探索 repo？

你想控制下一位 AI 实际会收到什么。

RITA it.

结果

把地图交给 AI，而不是完整 workspace。

同一工作区。更聪明的对话。

HOW IT WORKS

看看 RITA 如何工作

面向真实 workspace 和全新 AI 会话的简洁流程。

DROP

src/

main.py

README.md

...

Add a project folder
or ZIP.

MAP

Code

Docs

APIs

Structure

RITA

RITA analyzes supported
sources and builds semantic
workspace indexes.

DOWNLOAD

Get compact index files
and RITA.zip.

PROMPT

New chat

RITA.zip×

Here's my workspace.
Let's dive in.

Give the map to your next
AI chat and continue
from prompt one.

同一个 WORKSPACE。更聪明的对话。

压缩证明

从工作区到工作区地图

RITA 将原始工作区复杂度压缩为紧凑、可供 AI 阅读的地图。

工作区

3.8 MB

真实项目示例

真实基准项目

约 103,668 行

8 个来源家族

多个依赖关系

RITA

SEMANTIC INDEXES

工作区地图

123.5 KB

紧凑语义索引

138 个语义摘要

来源引用

锚点

可移植索引

≈31× 更小

真实示例：RITA 如何把更大的工作区转换为紧凑的语义索引。

语义摘要AI 就绪上下文

来源引用随时追溯

锚点稳定、精确的上下文

可移植索引跨工具使用

你将获得什么

你将从 RITA 获得什么

RITA 为你生成一张工作区地图，让下一位 AI 可以立即理解。

为每种来源类型生成独立索引家族RITA 为所有支持的来源家族生成优化索引，包括 Python、Markdown、JSON、Runner、TypeScript、TSX、JavaScript 和 CSS。

Pysemantic_workspace_index.json示例条目（简化）JSON

按你的方式使用 RITA

同一个 RITA 产品既可在浏览器中使用，也可作为专用 Mac 应用使用。

网页端访问RITA Web直接在 m-pathy.ai 上使用 RITA。

桌面应用RITA for Mac将 RITA 下载为专用 macOS 桌面应用。

下载 Mac 版

价格简单。结果快速。

RITA 通过 Credits 计费，并可在几分钟内创建 workspace map。

起步价€5.99100 Credits

从 100 Credits 开始，立即映射你的 workspace。

基准 CREDITS57.64

真实运行测得：约 103,668 行 source、3.8 MB、8 个来源家族。

基准输出123.5 KB

8 个来源家族共生成 138 个语义摘要。

基准耗时~4 分钟

基于约 103,668 行 source 的实测。

购买 Credits

一次花很少的钱，避免把最初的 prompts 用来反复解释 workspace。

信任 / 隐私 / 控制

把 map 给 AI。而不是整个 workspace。

RITA 帮助你控制下一次 AI 会话会收到什么。

不修改代码

RITA 会映射 workspace，但不会重写你的源代码。

受控交接

由你决定 workspace map 接下来交给谁。

工作 AI 无需直接访问 repo

下一次聊天可以基于 map 工作，而不必先探索整个 repository。

处理后生成索引

RITA 处理 workspace 内容，创建语义索引，并返回紧凑的 workspace map。

为控制、清晰度和实际隐私边界而设计。

FAQ

常见问题

在使用 RITA 映射 workspace 之前，你需要了解的一切。

01RITA 是什么？

RITA 是一款面向 AI 辅助软件开发的语义 workspace 映射应用。它把软件项目中受支持的 source 转换成紧凑、明确的 Semantic Workspace Indexes，帮助 AI 在项目中快速建立方向感。

02如何使用 RITA？

你可以在 m-pathy.ai 上使用 RITA Web，也可以下载 RITA for Mac 作为专用桌面应用。上传项目文件夹或 ZIP，启动 mapping，下载生成的 indexes，然后把它们加入你想继续工作的 AI workflow。

03RITA 多少钱？

RITA 使用 m-pathy Credits。最小套餐为 100 Credits，价格 €5.99。在当前真实 benchmark 中，一个约 103,668 行 source、3.8 MB、8 个来源家族的 workspace 使用了 57.64 Credits。实际消耗会随 source 组合、大小和所需处理而变化。

购买 Credits

04RITA 需要多久？

在当前真实 benchmark 中，RITA 在约 4 分钟内映射了约 103,668 行 source 的 workspace。运行时间会随 workspace 大小、source 组合和所需处理而变化。

05RITA 会给我什么？

你会得到 workspace 的语义 map。Indexes 包含 source reference、对映射文件的简明说明，以及标识重要函数或结构的 structural anchors。这样 AI 从第一个 prompt 开始就拥有紧凑的方向层。

06RITA 文件有多小？

与原始 workspace 相比，RITA 可以大幅压缩方向层。在当前真实 benchmark 中，约 3.8 MB 的 source 生成了 123.5 KB 的语义摘要，约小 31 倍，相当于 source 大小的约 3.2%。具体比例因项目而异。

07RITA 会把我的文件发送给 LLM 吗？

会。RITA 在 mapping pipeline 的语义摘要阶段使用 LLM。在此之前，RITA 会执行确定性的 source admission、fingerprinting、structural anchor 提取和受限的方向准备。LLM 只是 pipeline 的一部分，并不是整个架构。

08我的工作 AI 需要访问 repository 吗？

不需要。你可以把 RITA indexes 提供给工作 AI，而不是让它直接访问完整 repository。这是 RITA 的核心用例之一：给 AI map，而不是整个 workspace。

09RITA 会修改我的代码吗？

不会。RITA 映射 workspace 并生成语义 index artifacts。它不会自动编辑 source 文件、创建 commit 或 push 到 Git。

10RITA 支持所有编程语言吗？

还没有。RITA 目前支持八个 source families：Python、Markdown、JSON、Runner / Shell、TypeScript、TSX、JavaScript 和 CSS。

11我可以在不同 AI 系统中使用 RITA map 吗？

RITA 输出为明确的 JSON index files，并不绑定某一个 coding agent。由你决定哪种 AI 或 workflow 接收 map。某个外部系统能否直接消费 indexes，取决于该系统以及你提供文件的方式。

12RITA 是 coding agent 吗？

不是。RITA 不试图替代你的 AI coding tool。它会在真正工作开始前，为 AI 准备所需的 workspace 方向。